LinkedIn actually adds a ‘seems like AI slop’ button
LinkedIn은 플랫폼 내 AI 생성 콘텐츠 범람을 줄이기 위해 게시물을 'AI 슬롭(slop)'으로 신고할 수 있는 새로운 기능을 도입했습니다.
최신 기술 뉴스와 에디터 큐레이션
LinkedIn은 플랫폼 내 AI 생성 콘텐츠 범람을 줄이기 위해 게시물을 'AI 슬롭(slop)'으로 신고할 수 있는 새로운 기능을 도입했습니다.
DeepSeek V4 Flash와 같은 검열된 중국어 LLM의 출력을 학습한 미국 모델(GPT-OSS-120B)이 검열을 전수받지 않으면서 금융 추론 능력을 향상시킨다는 실험 결과가 발표되었습니다.
LinkedIn이 AI로 생성된 저품질 콘텐츠, 즉 "AI 슬롭(AI slop)" 문제에 대응하기 위해 사용자가 AI 생성 가능성이 높은 게시물을 신고할 수 있는 새로운 기능을 도입했습니다.
Google DeepMind가 발표한 Gemini Robotics 2.0은 로봇의 정교한 움직임, 환경 분석 능력, 그리고 다른 로봇과의 협업 능력을 향상시킨 새로운 AI 모델 및 API를 공개하며, 로봇 기술의 발전을 이끌고 있다.
Nvidia가 Microsoft, SpaceX 등과 함께 공개한 오픈소스 AI 보안 동맹에서 OpenAI와 Anthropic이 제외된 것은 AI 산업 내의 개방형 대 폐쇄형 모델 논쟁을 부각시키며, 트럼프 행정부의 AI 정책에 대한 다양한 시각을 보여줍니다.
GPT 5.6 Sol 모델 기반의 자율 에이전트 'Saul'에게 실제 사업 운영 기회를 24시간 동안 부여한 결과, 해당 에이전트는 비즈니스 성장이라는 목표를 달성하지 못하고 $447의 손실을 기록했다.
GitHub Copilot 앱의 stacked sessions 및 pull requests 기능을 활용하여 10년 이상 된 개인 프로젝트의 레거시 코드를 성공적으로 현대화한 경험을 공유합니다.
Google DeepMind의 Gemini Robotics AI 모델 최신 버전이 휴머노이드 로봇의 전신 제어가 가능해졌습니다.
GPT‑5.6 모델 제품군이 API 성능 향상 및 가격 인하를 통해 고객에게 더 나은 가치를 제공하며, AI를 활용한 업무 처리 효율성을 높입니다.
Chrome 보안팀은 AI 기반 취약점 탐색 도구 도입으로 인해 보안 업데이트 빈도를 주 2회로 늘리는 방안을 시범 운영 중입니다.
Okta가 AI 보안 스타트업 Permiso Security를 약 2억 달러에 인수하며, 기업의 자율 소프트웨어 배포 증가에 따른 AI 에이전트 및 기타 머신 ID 보호 수요 증가에 대비하고 있습니다.
Databricks가 legacy SQL 마이그레이션을 지원하기 위해 AI 기반 코드 변환 기능을 Lakebridge 툴킷에 추가했습니다.
Microsoft의 "Frontier Company" 전략은 기업의 AI 도입이 모델 역량보다는 신뢰, IP 노출, ROI 증명 문제로 인해 지연되고 있다는 인식에서 출발하며, 이에 대한 해결책으로 AI 거버넌스 프레임워크를 판매하는 데 초점을 맞추고 있습니다.
Retrieval Augmented Generation (RAG)은 AI가 응답을 생성하기 전에 외부 지식 기반에서 관련 정보를 검색하여 LLM의 환각(hallucinations)을 줄이고 응답의 정확성을 높이는 기술이다.
Vector embeddings는 텍스트, 노래, 이미지 등 다양한 데이터를 숫자의 리스트(좌표)로 표현하여 데이터 간의 관계와 유사성을 파악하는 기술입니다. 이 기술은 AI 기반의 추천 시스템, 검색 엔진, 얼굴 인식 등 광범위한 애플리케이션에 활용됩니다.
Meta는 LLM 기술을 활용하여 신규 앱 개발 속도를 높이고 있으며, 향후 더 많은 신규 앱 출시를 계획하고 있습니다.
Friend AI Pendant는 텍스트 응답에서 음성 응답으로 기능이 확장된 2세대 AI 동반 장치로, OpenAI의 최신 모델을 탑재하여 업그레이드되었습니다.
AI 에이전트에게 프로바이더 토큰과 같은 자격 증명을 직접 제공하지 않고도 Gmail 및 Slack과 같은 외부 서비스에서 사용자 데이터를 처리할 수 있도록 하는 새로운 인증 및 권한 부여 방식이 소개됩니다.
Spring AI는 LLM 비용을 절감하기 위해 토큰 사용량 측정, 모델 선택 최적화, 클라이언트 기본값 설정을 조절하는 방법을 제시합니다.
Spring AI 2.0은 LLM 애플리케이션의 비용 효율성을 높이기 위한 10가지 실질적인 제어 방법을 제시하며, 기본 설정이 높은 월별 비용을 보장하지 않으므로 토큰 사용량을 측정하고 최적화하는 것이 중요함을 강조합니다.