2026년 6월 28일 일요일

6 개 뉴스 — 🟡 2 주목 , 🟢 4 흥미

🤖 모델 (3)

🟡 🤖 모델 2026년 6월 28일 · 2 분 읽기

GitHub: MAI-Code-1-Flash, 마이크로소프트의 코딩 모델, 이제 Copilot Business 및 Enterprise 플랜에서 일반 제공

MAI-Code-1-Flash는 2026년 6월 26일 GitHub Copilot Business 및 Enterprise 플랜에서 일반 제공(GA)으로 전환된 마이크로소프트의 자체 코딩 모델입니다. 낮은 지연 시간과 고빈도 에이전트 코딩 워크플로에 최적화되어 있으며, 공급자 가격표에 따른 사용량 기반으로 요금이 청구되고, 관리자가 조직 설정에서 명시적으로 활성화해야 합니다.

🟢 🤖 모델 2026년 6월 28일 · 1 분 읽기

arXiv:2606.26935: CoT 훈련의 이득은 깊은 에이전트 추론이 아닌 행동 예측 강화로 귀결

arXiv:2606.26935의 Jingyu Liu 외 연구진 연구는 LLM 에이전트의 사고 연쇄(CoT) 훈련 이득이 더 깊은 추론이 아닌 더 강한 직접 행동 예측으로 귀결됨을 보여줍니다. 후기 체크포인트는 행동을 수정하는 빈도가 줄어들며, 행동 토큰에 대한 감독 마스킹은 도메인 외 일반화를 향상시킵니다.

🟢 🤖 모델 2026년 6월 28일 · 1 분 읽기

arXiv:2606.26502: 추론 모델은 틀린 문제에 더 많은 토큰 소비 — 포기하는 사람과 반대 패턴

arXiv:2606.26502의 Han-yu Wang 연구는 대형 추론 모델(LRM)이 틀리는 문제에 맞히는 문제보다 더 많은 토큰을 소비한다는 사실을 밝혔습니다. 사람은 어려운 문제에서 포기하는 반대 패턴을 보입니다. 격차는 크며(H-ARC 벤치마크에서 Cohen's d 1.47–3.13), 테스트된 5개 모델 모두 사람과 반대 패턴을 보였습니다.

🤝 에이전트 (1)

🟢 🤝 에이전트 2026년 6월 28일 · 1 분 읽기

arXiv:2606.26806: EVAF, 컨텍스트 삭제 후에도 목표를 유지하는 에이전트 파라메트릭 메모리 통합

arXiv:2606.26806의 Haoliang Han 연구는 장기 실행 언어 에이전트가 작업 컨텍스트 삭제 후에도 목표를 유지할 수 있도록 하는 gated LoRA 통합 메커니즘인 EVAF를 제안합니다. EVAF는 200개 이벤트당 2–3개의 파라메트릭 쓰기만 필요하며, 목표 지속성(0.812–0.904)에서 탁월하고, 검색은 사실적 회상(0.956–0.973)에서 우위를 보입니다.

🔧 하드웨어 (1)

🟢 🔧 하드웨어 2026년 6월 28일 · 1 분 읽기

AMD: Resource Manager, 비활성 GPU 워크로드를 자동 선점하여 클러스터 공유 풀에 자원 반환

AMD Resource Manager에 자동 선점(pre-emption) 기능이 추가되었습니다. 시스템은 워크로드별 GPU 사용률을 모니터링하고, 설정 가능한 임계값(예: 10%) 이하의 작업을 지정된 유휴 타이머(예: 15분) 이후 중단합니다. 비활성 개발 환경이 점유한 GPU 자원을 공유 풀로 반환하는 두 가지 정책 — GPU 부하 시에만 선점하거나 항상 선점 — 을 제공합니다.

🏥 실무 (1)

🟡 🏥 실무 2026년 6월 28일 · 1 분 읽기

GitHub: Copilot 에이전트 하니스, 20개 이상의 프론티어 모델에서 벤더 하니스 수준 달성 및 토큰 사용량 절감

GitHub Copilot 에이전트 하니스는 모델에 자율 코딩을 위한 도구와 실행 루프를 제공하는 레이어입니다. GitHub는 Claude Sonnet 4.6, Claude Opus 4.7, GPT-5.4, GPT-5.5를 5개 벤치마크로 테스트하여, 대부분의 구성에서 모델 벤더 하니스 수준의 작업 완료율을 더 적은 토큰 사용량으로 달성하며 20개 이상의 프론티어 모델을 지원함을 확인했습니다.