2026년 10월 15일 (목)

[01]

주요 소식

1. 장시간 연구에는 명시적인 계속 실행 판단이 필요하다

OpenAI는 Third Moment Research가 10,000개 에이전트를 동시에 실행하여 36-48시간 동안 조사한다고 보고한다. 외부 하네스는 미완료 작업을 검토하고 재시도, 종료 또는 사람의 검토를 선택한다. 이는 고객이 보고한 배포 사례이며 독립적인 신뢰성 측정은 아니다.

의의: 지속적인 실행은 내부 에이전트가 멈췄을 때 어떻게 대응하는지에 달려 있다. → Third Moment Research — research organization (source)

2. Amp가 다른 에이전트를 위한 음성 조율을 추가한다

Calling Puck은 GPT-Live-1을 사용하여 사용자가 시계에서도 음성으로 에이전트를 시작하고 조율할 수 있게 한다. Amp는 Astra의 Ultrafast 모드도 시험하고 있지만, 지연 시간 측정값은 공개하지 않았다.

의의: 음성이 코딩 세션 밖에서도 진행 중인 작업을 제어하는 수단이 된다. → Amp — agent developer (source)

3. Anthropic은 요청별로 판단하면 사라지는 오용을 발견했다

선거 오용 시험에서 단일 요청은 안정적으로 거부했지만, 무해해 보이는 과제로 나뉜 악성 캠페인은 놓쳤다. Anthropic은 다단계 오용용 분류기를 추가했다고 설명하며, 변경 후 성공률은 제시하지 않는다.

의의: 안전장치는 개별 프롬프트와 함께 연결된 작업 흐름도 평가해야 한다. → AI Governance (source)

[02]

논문 선정

LHTB 2.0: 77개 과제가 세 시간 동안 터미널 에이전트의 진척을 측정한다. 1,145회 실행에서 GPT-6-astra는 평균 단계별 보상 0.69로 선두다. 중간 검증을 위해 읽을 만하며, 단계별 보상은 완료율이 아니다. → Long-Horizon-Terminal-Bench 2.0: measuring sustained progress (source)

ClawLoop: 실행 궤적 진단이 외부 교사 없이 다음 과제 합성과 SFT/RL 순환을 안내한다. 학습과 피드백의 순환을 닫는 방법을 위해 읽을 만하다. 초록은 수치 점수나 계산량을 맞춘 비교 없이 향상을 보고한다. → ClawLoop: feedback closes the training cycle (source)

[03]

주시

Google과 GovTech Singapore는 가벼운 분류기 뒤에 fine-tuning한 Gemma를 배치하여 기기 내 사기를 탐지한다. 배포는 단계적으로 사용자 동의에 따라 진행될 예정이며, 정확도와 오탐률은 공개되지 않았다. → Google DeepMind (source)

[04]

위키 신규

Third Moment Research — research organization와 Amp — agent developer — 독자 검토를 위한 새 조직 페이지. (source) (source)
Long-Horizon-Terminal-Bench 2.0: measuring sustained progress와 ClawLoop: feedback closes the training cycle — 방법과 근거의 한계. (source) (source)

[05]

갱신

Agent Runtime Containment에 연구 시뮬레이션 실행 전 Daybreak 시험을 기록했다. 측정된 잔여 탈출률은 없다. (source)