Trawling

AI · 최신기사

AI 모델과 서비스, 활용 도구와 이용 조건을 다룹니다.

에이전트 코딩의 네 가지 폐해

발행

글쓴이는 에이전트 코딩의 부작용을 코드의 슬롭화, 엔지니어와 코드의 거리, 기술 퇴화, 팀 내 소통 약화로 나눠 설명합니다. 생산성만 좇으면 장인정신과 호기심, 동료 관계를 잃을 수 있다고 지적하지만 뚜렷한 해법은 제시하지 않습니다.

‘실행 전에 물어보라’는 수요를 찾았지만, 반대 사례가 나왔습니다

발행

StareBrain 개발자는 음성 비서가 확인 없이 행동해 불만이라는 사례를 찾았지만, 오히려 Siri의 확인 절차를 끄려는 사용자를 발견했습니다. 확인을 원하는 수요가 일상적인 행동보다 되돌리기 어려운 작업에 집중되는지, 또는 검색에서 드러나지 않는 문제인지를 더 살펴보려 합니다.

웹 4가 아닙니다. 우리는 이미 훨씬 더 앞서 있습니다

발행

코딩 에이전트가 아이디어를 소프트웨어로 바꾸는 과정을 줄이면서, 결과물을 만드는 능력과 원리를 이해하는 능력이 분리되고 있습니다. 글쓴이는 에이전트가 웹의 행위자 수를 크게 늘릴 미래를 전망하며, 실행 전 검증과 사후 확인을 담당하는 자율성 통제 계층이 필요하다고 주장합니다.

AI 모델 15개에 해킹 대상이 실제 회사라는 증거를 줬더니, 알아챈 답변의 73%가 알리지 않았습니다

발행

AI 모델 15개가 모의 해킹 대상의 현실성을 알아채는지, 알아챈 뒤 사람에게 알리는지 측정한 Kaggle 벤치마크입니다. 첫 실험의 프롬프트 결함을 고쳐 다시 시험하자, 실제 회사가 대상일 때 30%가 접속을 시도했고 명시적인 현실 확인 지침을 넣자 접속 시도가 사라졌습니다.

PewDiePie, 가정용 PC에서 구동하는 ‘검열 없는’ AI 모델 Ajax 공개

발행

PewDiePie가 Qwen3.5-9B를 미세 조정한 Ajax를 공개했습니다. 로컬 AI 작업 공간 Odysseus의 에이전트로 쓰이며, 거부 응답을 줄이는 과정에 Heretic을 활용했습니다. Reddit에서는 로컬 실행과 공개 모델 확산을 반기는 의견과 기술적 새로움이 크지 않다는 평가가 맞섰습니다.

한 장의 사진으로 만드는 360도 카메라 오비트 LoRA

발행

MiniMax-H3 FL2VA용 LoRA가 한 장의 사진을 시작·종료 키프레임으로 받아, 장면을 고정한 채 카메라를 360도 회전시키고 시작 프레임으로 돌아옵니다. 28개의 정적 3D Gaussian splat 장면으로 학습했으며, 현재 사람 중심의 정사각형 영상에 맞춘 좁은 범위의 실험입니다.

내 SaaS로 다른 앱을 홍보하며 배운 점

발행

PostSider를 매일 써서 다른 앱을 홍보한 개발자가 첫 고객으로서 얻은 교훈을 공유합니다. 이미지 생성보다 안정적인 게시와 외부 도구 선택권이 중요했고, 실제 사용 중 겪은 문제를 기능 추가보다 먼저 고치게 됐습니다.

Claude Code와 AI 에이전트를 위한 마케팅 스킬 모음

발행

Claude Code, Cursor, Codex 등 Agent Skills를 지원하는 도구에서 쓸 수 있는 마케팅 스킬 모음입니다. CRO, SEO, 카피라이팅, 분석 등 50여 가지 작업별 지침을 제공하며, 모든 스킬이 제품 마케팅 정보를 먼저 참고하도록 구성했습니다.

Phonon-2 — 164MB 영어 음성 인식 모델

발행

Fermion Research가 다운로드 크기 164MB인 영어 음성 인식 모델 Phonon-2를 공개했습니다. Open ASR Leaderboard의 영어 7개 데이터셋에서 평균 단어 오류율(WER) 5.21%를 기록했으며, Mac·Linux·Windows의 CPU와 GPU에서 실행할 수 있습니다.

JevGPT — 글을 쓰지 못하는 모델로 만든 챗봇

발행

JevGPT는 선택지마다 확률을 매기는 TypeSafe의 Jev 모델에 단어를 하나씩 고르게 해 문장을 만듭니다. 고정된 1,772개 단어 중 다음 단어를 선택하고 이어질 문장을 평가하는 방식으로, 선택형 모델의 텍스트 생성 가능성을 실험합니다.

Caveman — 코딩 에이전트의 말과 입력을 줄이는 스킬·프록시

발행

Caveman은 코딩 에이전트의 답변 문장을 짧게 만드는 스킬과 로그·도구 결과를 압축하는 로컬 프록시를 제공합니다. 저장소가 제시한 벤치마크에서는 스킬만 썼을 때 출력 토큰이 8.5% 줄었고, 프록시 테스트에서는 입력 토큰이 33.2% 감소했지만 작업별 결과 차이와 측정 한계도 함께 공개합니다.