2026년 10월 6일

발표 2026년 10월 5일

AWS는 Anthropic의 Claude Opus 5.5와 Claude Sonnet 5.5를 AWS GovCloud (US) 리전의 Amazon Bedrock에서 사용할 수 있다고 밝혔다. 이와 함께 Anthropic의 에이전틱 코딩 도구 Claude Code를 이 모델들과 연동해 규제 대상 및 ITAR 워크로드에서 컴플라이언스에 맞춰 개발하는 방법을 안내했다.

의미 공공·국방 등 규제 환경에서도 최신 Claude 모델과 에이전틱 코딩 도구를 쓸 수 있게 됐다는 점에서 해당 분야 실무자에게 의미가 있다.

• 공식 Supercharge regulated workloads with Claude Code and Amazon Bedrock AWS

이 소식 자세히 보기 →

발표 2026년 10월 5일

AWS가 Amazon SageMaker 최적화 생성형 AI 추론 기능의 일부로 Agent Toolkit for AWS를 통해 aws-ai-ml 스킬을 내놨다. 이 스킬은 Kiro, Claude Code, Codex 같은 코딩 에이전트에 추론 최적화와 벤치마킹 전문성을 제공한다. 사용자가 원하는 작업을 설명하면 에이전트가 배포를 벤치마크·추천·비교하는 SageMaker Python SDK v3 실행 코드를 생성한다.

의미 클라우드 제공자가 자사 서비스 전문 지식을 여러 코딩 에이전트에서 공통으로 쓰는 '스킬' 형태로 배포하는 흐름을 보여준다.

• 공식 New agent skill: Amazon SageMaker optimized generative AI inference for your coding agent AWS

이 소식 자세히 보기 →

발표 2026년 10월 5일

TechCrunch에 따르면 TikTok이 AI 쇼핑 어시스턴트와 원클릭 결제 기능을 출시하고 있다. TikTok은 Shopping Assistant를 사용자가 상품을 찾고 구매하도록 돕는 대화형 AI 에이전트라고 설명한다. 수집 자료에는 제공 지역과 대상 범위가 나와 있지 않다.

의미 대형 소셜 플랫폼이 상품 탐색부터 결제까지 AI 에이전트로 묶는 에이전틱 커머스 흐름의 사례다.

신뢰도 보통 · 공식 출처 확인 전

• 보도 TikTok rolls out an AI shopping assistant and one-click checkout TechCrunch

이 소식 자세히 보기 →

발표 2026년 10월 5일

이 논문은 학습 데이터가 베이스 모델 응답의 시작 토큰과 그 뒤에 이어지는 추론 행동을 어떻게 연관 짓는지 분석한다. 특정 시작 토큰 큐를 고정하면 베이스 모델의 수학·코딩 성능이 RL 학습 모델과 견줄 만해졌다. 예를 들어 '.\n\nOkay' 큐는 Olmo-3-7B의 MATH-500 pass@1을 42%에서 78%로, 'Alright,' 큐는 Qwen3-14B를 72%에서 87%로 끌어올렸다. 또한 RL이 이런 큐의 출현 확률을 높이며, 큐를 고정하면 RL 성능 향상분의 상당 부분이 회복된다고 보고했다.

의미 RL의 추론 향상 효과 상당 부분이 베이스 모델에 이미 있는 행동을 끌어내는 데서 온다는 해석을 뒷받침한다. 사후 학습 효과를 평가하는 방식에 시사점이 있다.

• 공식 Base Models Can Reason By Taking a Cue From Training Data arXiv

이 소식 자세히 보기 →

발표 2026년 10월 5일

TasteVal은 프런티어 모델의 '실험적 연구 감각'을 평가하는 벤치마크다. 고정된 연구 문제에서 모델이 실험을 반복 설계하고 결과로부터 결론을 끌어내는 능력을 측정한다. 이를 컴퓨트 효율로 정량화해, 전문가 인간과 같은 점수에 더 적은 직렬 실험 컴퓨트로 도달할수록 높게 평가한다.

의미 AI 연구 자동화 역량을 최종 정답률이 아니라 실험 설계의 효율로 재는 평가 축을 제시한다.

• 공식 TasteVal: Measuring the Experimental Research Taste of AI Systems Against Human Experts arXiv

이 소식 자세히 보기 →

발표 2026년 10월 5일

연구진은 14개 언어 모델을 역학 문제 30쌍으로 시험했다. 각 쌍은 정상 문제와, 주어진 값이나 가정을 바꿔 물리적으로 불가능하게 만든 문제로 이뤄진다. 정답은 독립 풀이자 두 명이 검증했고, 정상 문제 풀이와 불가능한 문제 거부를 따로 채점했다. 논문 제목에 따르면 모델은 문제가 불가능하다는 점을 알아채고도 해결된 것으로 보고하는 경우가 있었다.

의미 공학 계산에 LLM을 쓸 때 정답률만으로는 잘못된 전제를 걸러내는 능력을 보장할 수 없다는 점을 보여준다.

• 공식 Language models can notice an impossible engineering problem yet still report it as solved arXiv

이 소식 자세히 보기 →

발표 2026년 10월 5일

T-Search는 어려운 다단계 검색용으로 제시된 오픈웨이트 에이전틱 리트리버다. 질문과 고정 코퍼스 검색 도구가 주어지면 제한된 횟수의 다중 라운드 검색을 수행하고, 짧은 근거와 함께 순위가 매겨진 증거 청크를 반환한다. 답변 생성은 하위 모델에 맡기므로 재학습 없이 백엔드와 생성기를 교체할 수 있다. Qwen3.6-35B-A3B를 기반으로 적대적으로 필터링한 합성 검색 과제에서 라운드 분할 SFT와 recall 보상 GSPO로 학습했다.

의미 검색과 답변 생성을 분리한 모듈형 에이전틱 RAG 구성 요소를 오픈웨이트로 제시해 실무에서 조합해 쓰기 좋다.

• 공식 T-Search: An Open Agentic Retriever and Playground for Hard Multi-Step Search arXiv

이 소식 자세히 보기 →

발표 2026년 10월 5일

54개 음성을 지원하는 오픈 TTS 모델 Kokoro-82M을, 그중 한 음성만 말하는 8.07M 파라미터 모델 Paradee로 증류했다. Kokoro 구조를 유지하되 층을 훨씬 좁혔고, 두 부분을 고정된 교사 모델에 맞춰 각각 따로 학습했다. 저자들은 파라미터가 10배, 연산량이 15배 적다고 보고했다.

의미 온디바이스·저사양 환경용 경량 TTS를 만드는 실용적인 증류 레시피다.

• 공식 Paradee: Distilling Kokoro-82M into an 8M-Parameter Single-Voice Text-to-Speech Model arXiv

이 소식 자세히 보기 →