31 Aug 2026, 03:31 UTC4 viewsread 31 August 2026 [읽을거리&정보공유] 빌 게이츠가 본 AI 전환기의 세 가지 위험과 대응책: 인간만을 위한 영역(Human Reserved)과 AI 토큰세 제안
@9bow
빌 게이츠가 다시 AI를 이야기하는 이유
빌 게이츠(Bill Gates)가 자신의 블로그 Gates Notes에 AI 전환기를 다룬 긴 글을 올렸습니다. 요지는 한 문장으로 정리됩니다. AI는 지금까지 발명된 것 중 가장 강력한 평등화 장치가 되거나, 아니면 가장 심한 불평등의 원천이 될 텐데 어느 쪽이 될지는 앞으로 몇 년 사이의 선택에 달려 있고, 지금 세계는 그 선택을 준비하고 있지 않다는 것입니다. 글의 부제도 "좋은 쪽이 나쁜 쪽을 넘어서게 하려면 계획이 필요합니다" 로 달려 있습니다.
게이츠는 자신의 시각이 어디에서 왔는지부터 설명합니다. 평생 가진 직업은 둘뿐인데, 하나는…
Signed PyTorchKR
31 Aug 2026, 00:06 UTC17 viewsread 31 August 2026 [읽을거리&정보공유] SlideOps: 저장소로 만든 슬라이드가 코드와 어긋난 시점을 토큰 없이 찾아내는 에이전트 스킬
@9bow
SlideOps 소개
문서를 쓰는 일은 더 이상 병목이 아닙니다. SlideOps를 만든 Gleb Lukicov는 저장소 하나를 코딩 에이전트에게 넘기면 정확한 온보딩 자료 스무 페이지를 10분 안에 얻을 수 있게 됐다고 말합니다. 문제는 그 다음입니다. 생성된 문서는 만들어진 순간부터 현실과 어긋나기 시작하는데, 파이프라인 어디에도 그 사실을 알려주는 장치가 없습니다. 저자는 이 상황을 "이제 우리는 누구도 읽어낼 수 없는 속도로 자신 있게 틀린 자료를 만들어낼 수 있게 됐다" 라고 적었습니다. 데이터베이스 마이그레이션을 두 번 실행한다고 설명해 둔 덱이, 실제로는 열 번씩 실행하게 된 1년 뒤에도 여전히 두…
Signed PyTorchKR
30 Aug 2026, 22:06 UTC18 viewsread 31 August 2026 [읽을거리&정보공유] [2026/08/24 ~ 30] 이번 주에 살펴볼 만한 AI/ML 논문 모음
@9bow
[2026/08/24 ~ 30] 이번 주에 살펴볼 만한 AI/ML 논문 모음
PyTorchKR🔥🇰🇷 🤔💭
이번 주 선정된 10편의 논문들을 살펴본 결과, 다음과 같은 3가지 공통된 내용을 찾아볼 수 있었습니다:
:one: 단발성 실행을 넘어선 "지속적 지식 축적 및 구조화된 메모리": 이번 주 논문들에서는 AI 에이전트가 1회성 작업을 넘어 장기적이고 복잡한 환경에서 활동하기 위해 기억과 지식을 체계적으로 관리하는 방향이 두드러졌습니다. WikiSkill은 에이전트의 과거 실행 경험을 위키(Wiki) 형태의 영속적 지식 베이스로 축적하여 모델 간 전이가 가능한 스킬로 진화시켰습니다. 또한 Compaction Cliff(Knowl…
Signed PyTorchKR
30 Aug 2026, 09:31 UTC21 viewsread 31 August 2026 [읽을거리&정보공유] OptMem: 데이터베이스도 임베딩도 없이 로그와 이진 트리로 만든 AI 에이전트용 영속 메모리
@9bow
OptMem 소개
코딩 에이전트에게 기억을 붙이는 방법은 대체로 한 방향으로 수렴해 왔습니다. 대화를 잘라 임베딩으로 바꾸고 벡터 데이터베이스에 넣은 뒤, 새 질문이 오면 비슷한 조각을 검색해 프롬프트에 끼워 넣는 방식입니다. 이 구조는 잘 동작하지만 붙이는 비용이 작지 않습니다. 임베딩 모델과 벡터 저장소를 고르고 운영해야 하고, 검색이 무엇을 가져왔는지가 사람 눈에 잘 보이지 않으며, 무엇이 왜 기억되었는지 확인하려면 다시 도구를 하나 더 열어야 합니다. 개인 작업 환경에 붙이기에는 무거운 편입니다.
OptMem은 그 반대 방향에서 출발한 프로젝트입니다. 임베딩도 벡터 데이터베이스도 쓰지 않고, 한 줄씩 덧…
Signed PyTorchKR
30 Aug 2026, 02:36 UTC22 viewsread 31 August 2026 [읽을거리&정보공유] Rocketnotes: 내 문서에 질문하고 제텔카스텐 수집함을 AI가 정리하는 오픈소스 마크다운 노트 앱
@9bow
Rocketnotes 소개
개발자가 몇 년에 걸쳐 쌓은 메모는 대개 두 가지 문제를 동시에 갖습니다. 첫째로 문서가 늘어날수록 필요한 내용이 어느 문서에 있었는지 기억나지 않고, 키워드가 정확히 일치하지 않으면 검색으로도 찾히지 않습니다. 둘째로 회의 중이나 이동 중에 남긴 짧은 메모 조각들이 어디에도 속하지 못한 채 쌓입니다. 나중에 제자리를 찾아 주려면 결국 사람이 문서를 하나씩 열어 보며 어디에 붙일지 판단해야 하는데, 그 작업이 밀리면서 메모 더미가 그대로 방치됩니다.
Rocketnotes는 이 두 문제를 노트 앱 안에서 처리하려는 오픈소스 프로젝트입니다. 자신이 쌓은 문서를 대상으로 자연어 질…
Signed PyTorchKR
29 Aug 2026, 09:31 UTC24 viewsread 31 August 2026 [읽을거리&정보공유] WeMM-Embedding: 2B 모델로 8B 베이스라인을 넘어선 범용 멀티모달 임베딩에 대한 연구
@9bow
WeMM-Embedding 소개
검색창 하나로 텍스트와 영상을 함께 찾는다는 것
사진첩에서 "작년 여름 바닷가"를 찾을 때 우리는 파일명을 기억해 내지 않습니다. 장면을 떠올리고, 그 장면과 가장 비슷해 보이는 것을 눈으로 고릅니다. 검색 시스템이 이 일을 대신하려면 사진과 문장을 같은 기준으로 잴 수 있어야 하는데, 이러한 역할을 하는 것이 바로 임베딩(embedding)입니다. (:pytorch::kr: 임베딩에 대한 자세한 내용은 다음 글을 참고해주세요:
WeMM-Embedding은 Tencent의 WeChat Vision 팀이 공개한 범용 멀티모달 임베딩(universal multimodal emb…
Signed PyTorchKR
29 Aug 2026, 02:31 UTC25 viewsread 31 August 2026 [읽을거리&정보공유] OpenOPC: 목표 하나로 조직도를 짜고 AI 직원을 채용해 일을 완료하는 멀티 에이전트 런타임 (feat. HKUDS)
@9bow
OpenOPC 소개
AI 코딩 에이전트에게 "이 기능을 만들어 줘"라고 요청하는 것과 "이 제품을 출시해 줘"라고 요청하는 것 사이에는 큰 차이가 있습니다. 앞의 요청은 한 세션 안에서 끝나지만, 뒤의 요청은 설계와 구현, 검토, 문서화, 배포 준비가 서로를 기다리는 여러 갈래의 작업으로 쪼개집니다. 단일 에이전트에게 긴 작업을 통째로 맡기면 중간에 문맥이 흐려지고, 반대로 사람이 작업을 잘게 나눠 에이전트에게 하나씩 던져 주면 결국 사람이 조율 담당자가 됩니다. 여러 에이전트를 동시에 실행하는 도구는 이미 많지만, 그 에이전트들이 서로에게 일을 넘기고 결과를 검토하며 막히면 사람을 부…
Signed PyTorchKR
28 Aug 2026, 12:36 UTC27 viewsread 31 August 2026 [읽을거리&정보공유] Weave Router: 코딩 에이전트의 요청마다 로컬 임베딩으로 모델을 골라 주는 LLM 라우팅 프록시
@9bow
Weave Router 소개
코딩 에이전트를 한 시간만 켜 두어도 상위 모델로 나가는 API 요청 수는 사람이 대화한 횟수와 전혀 다른 규모로 늘어납니다. 사용자가 질문을 한 번 던지면 에이전트는 파일을 읽고 명령을 실행하고 그 결과를 다시 판단하면서 요청을 여러 번 보냅니다. 문제는 이 요청들의 성격이 균일하지 않다는 것입니다. 도구 실행 결과를 정리하는 요청과 설계를 새로 세우는 요청이 같은 최고 성능 모델로 나가는 것이 기본 동작이고, 요금은 그 기본 동작을 따라 쌓입니다. 요청마다 알맞은 모델을 지정하면 되지만, 사람이 매번 판단해서 모델을 바꾸는 방식은 에이전트가 초 단위로 요청을 보내는 환경에…
Signed PyTorchKR
28 Aug 2026, 09:36 UTC27 viewsread 31 August 2026 [읽을거리&정보공유] EU AI Act가 요구한 Gemini 3, Gemma 4의 학습 데이터 요약 - 하지만 데이터셋 이름은 0개
@9bow
Gemini 3와 Gemma 4의 학습 데이터 공개 요약 소개
Google의 Gemini 3 Pro 계열과 Gemma 4 계열이 각각 무엇으로 학습되었는지를 Google이 직접 문서로 밝힌 자료 두 건이 Google 투명성 보고서 사이트에 올라와 있습니다. 각각 8쪽짜리 영문 PDF이고, 제목은 둘 다 Public Summary of Training Content for General-Purpose AI models 입니다. 홍보 문서도 기술 보고서도 아니고, [EU 인공지능법(EU AI Act, Re...
Signed PyTorchKR
28 Aug 2026, 06:36 UTC29 viewsread 31 August 2026 [읽을거리&정보공유] MyContext: 흩어진 업무 기록을 내 컴퓨터 안의 개인 컨텍스트로 모으는 로컬 우선 데스크톱 앱
@9bow
MyContext 소개
업무에 쓰는 기록은 이미 충분히 많지만 대부분 서로 다른 앱에 갇혀 있습니다. 지난달 결정의 근거는 메신저 대화에, 그 결정을 정리한 문서는 문서 도구에, 누가 무엇을 승인했는지는 결재 시스템에 남아 있습니다. 그래서 AI 도구에 업무 관련 질문을 던질 때마다 사람이 먼저 배경을 설명해야 하고, 새 세션을 열면 그 설명을 처음부터 다시 해야 합니다. 각 앱이 자체 AI 기능을 붙이는 방향은 이 문제를 해결하지 못합니다. 앱마다 자기 안에 있는 데이터만 보기 때문에, 개인이 실제로 일하는 맥락은 여전히 어디에도 모이지 않습니다.
이번에 소개할 MyContext는 그 맥락을 개인 단위로…
Signed PyTorchKR
28 Aug 2026, 03:36 UTC30 viewsread 31 August 2026 [읽을거리&정보공유] Agent Switch: 기존 메신저에서 사람과 AI 에이전트를 함께 운영하는 인프라
@9bow
Agent Switch 소개
Agent Switch는 팀이 이미 쓰는 Slack, Microsoft Teams, Discord, Telegram, Mattermost 안에서 사람과 AI 에이전트가 함께 일할 수 있도록 만드는 자체 호스팅(self-hosted) 협업 인프라 프로젝트입니다. 새 메신저로 옮기는 대신, 기존 채널에 에이전트와 작업 맥락을 연결하는 방식을 택합니다. 그래서 팀의 대화 흐름은 유지하면서 에이전트를 채널 구성원으로 참여시킬 수 있습니다.
Agent Switch는 에이전트나 모델을 제공하지 않습니다. 대신 채널이 따를 지시문, 역할, 권한, 연결된 지식과 작업을 운...
Signed PyTorchKR
28 Aug 2026, 00:36 UTC28 viewsread 31 August 2026 [읽을거리&정보공유] Sprix SAGE Router: 실행 중인 A2A 에이전트의 실행 경로를 결정하고 호출하는 라우터 (SELF / COLLABORATE / HANDOFF)
@9bow
Sprix SAGE Router 소개
Agent2Agent(A2A) 프로토콜 (:pytorch::kr: 에이전트끼리 서로를 찾아 대화하게 만드는 규격이 자리를 잡으면서, 이제는 "어떤 에이전트가 존재하는가"는 어렵지 않게 알 수 있게 되었습니다. Agent Card로 능력을 선언하고, 메시지와 작업(Task)과 산출물(Artifact)을 주고받는 절차도 프로토콜이 정해 줍니다. 그런데 실제 운영에서 더 자주 부딪히는 질문은 그다음입니다. 어떤 에이전트가 작업을 이미 절반쯤 진행한 상태에서, 그대로 혼자 끝내는 것이 나은지, 부족한 능력을 채워 줄 동료를 …
Signed PyTorchKR
Showing the 12 most recent of 20 posts we hold for @pytorchkr. View and reaction counts are the latest single reading for each post, not a live figure, and a recent post is still accumulating both. A view count marked ≈ was rounded by Telegram before we ever saw it — t.me prints views in full below 1,000 and to three significant figures above, so ≈1,200,000 means somewhere between 1,150,000 and 1,249,999. Unmarked counts are exact. Text is reproduced from the public post preview and truncated for length.