에이전트끼리 협상하는 마켓플레이스, Anthropic이 실제로 만들어봤더니
Anthropic이 AI 에이전트끼리 협상하는 실제 마켓플레이스를 실험했습니다. 더 강력한 모델이 더 좋은 거래를 했고, 불리한 쪽은 그 사실을 알아채지 못했습니다.
Written by
AI 검색은 지금 자기 환각을 인용하고 있다, 검색 오염의 실제 속도
AI 검색이 AI가 쓴 허위 콘텐츠를 실시간으로 인용하는 ‘검색 오염’ 현상 분석. 모델 재학습 없이도 크롤러 속도로 오염이 퍼지는 구조를 설명합니다.
Written by
Gemma 4가 증명한 것, AI 모델은 이제 하나의 설계로 모든 곳을 커버할 수 없다
Google Gemma 4가 엣지와 서버를 아예 다른 아키텍처로 설계한 이유. 하드웨어 제약이 AI 모델 설계를 어떻게 바꾸고 있는지 분석합니다.
Written by
AI 에이전트가 디자인 의도를 이해하는 법, Google DESIGN.md 오픈소스 공개
Google Labs Stitch의 DESIGN.md 포맷 오픈소스 공개. AI 에이전트가 디자인 토큰과 의도를 동시에 이해하는 표준 마크다운 형식을 소개합니다.
Written by
AI가 정말 좋은 콘텐츠를 선택하는가, 실측 데이터로 확인한 결과
AI가 오리지널 콘텐츠를 실제로 더 잘 인용하는지 실측 데이터로 검증한 연구. 상관관계는 있지만 약하고, 쿼리 유형에 따라 달라집니다.
Written by
Google의 AI 전략 전환, Vertex AI가 에이전트 플랫폼으로 흡수된 이유
Google이 Vertex AI를 Gemini Enterprise Agent Platform으로 전면 재편했습니다. 모델 API 중심에서 에이전트 운영 중심으로의 전략 전환, 그 이유와 핵심 기능을 정리합니다.
Written by
Claude Code 소스코드를 뜯어봤더니, 아키텍처에서 발견한 5가지 설계 원칙
Claude Code TypeScript 소스코드를 직접 분석한 논문에서 드러난 5가지 설계 원칙. Anthropic이 공개하지 않은 에이전트 내부 구조를 해부합니다.
Written by
Google TPU 8세대, 훈련·추론 칩 분리한 이유
Google이 8세대 TPU를 훈련용 8t와 추론용 8i로 분리한 이유와 각 칩의 핵심 설계 차이를 소개합니다. 에이전트 시대가 AI 인프라에 요구하는 것이 무엇인지 알 수 있습니다.
Written by
GPT-5.5 제대로 쓰려면 프롬프트 처음부터 다시 짜야 한다
OpenAI가 GPT-5.5 출시와 함께 공개한 공식 프롬프팅 가이드 핵심 정리. 기존 프롬프트를 그대로 이식하면 역효과가 나는 이유와 outcome-first 프롬프팅의 원칙을 소개합니다.
Written by
AI 모델이 자신 있을수록 더 위험하다, MIT가 찾아낸 과잉 확신의 구조적 원인
MIT CSAIL이 개발한 RLCR 훈련 방식. AI 추론 모델의 과잉 확신 문제를 훈련 구조 자체에서 해결하고, 교정 오류를 최대 90% 줄였습니다.
Written by
