🟡 🤖 모델
ReContext, 재훈련 없이 128K 컨텍스트 창 활용도를 개선
일리노이 대학교 연구자들이 ReContext를 개발했습니다. 긴 컨텍스트 창에서 관련 증거를 재귀적으로 재현하여 세 가지 LLM 아키텍처에 걸쳐 여덟 개의 벤치마크에서 일관되게 성능을 향상시키는 추론 기법으로, 재훈련이 필요 없습니다.
2026년 7월 3일 금요일
11 개 뉴스 — 🟡 7 주목 , 🟢 4 흥미
🤖 모델 (2)
🤝 에이전트 (1)
🔧 하드웨어 (3)
🟡 🔧 하드웨어
AMD AgentKernelArena: GPU 커널 최적화를 위한 AI 에이전트 오픈 벤치마크
AMD Research는 2026년 7월 3일 AI 코딩 에이전트가 실제 GPU 커널을 얼마나 잘 최적화하는지 측정하는 오픈 벤치마킹 프레임워크 AgentKernelArena를 공개했습니다. 4가지 카테고리의 214개 태스크 중, AMD 자체 에이전트 GEAKv3(Claude Opus 4.6)가 HIP 커널에서 9.04배 속도 향상으로 선두를 차지했으며, Claude Code(Opus 4.6)가 6.08배로 2위를 기록했습니다. 모든 실험은 ROCm 7.1.1 환경의 AMD Instinct MI300X에서 수행되었습니다.
🟡 🔧 하드웨어
AMD Eagle3과 Quark FP8: 투기적 디코딩으로 MI355X에서 최대 2.00배 처리량 달성
AMD ROCm 팀은 2026년 7월 3일 AMD 하드웨어에서의 Eagle3 투기적 디코딩 프로덕션 적용 세부 사항을 공개했습니다. Eagle3 다중 레이어 접근법, vLLM 백엔드, AMD Quark FP8 양자화의 조합은 AMD Instinct MI355X에서 Kimi-K2.5에 대해 1.69배~2.00배, MiniMax-M2.5에 대해 1.38배~1.79배 높은 처리량을 달성하며 출력 품질 손실이 없습니다.
🟢 🔧 하드웨어
AMD ROCm: GPU 레지던트 YOLO26 파이프라인, 비디오 프레임을 디코딩부터 감지까지 VRAM에 유지
AMD는 rocDecode, DLPack, PyTorch, MIGraphX를 활용하여 최종 감지 결과가 확정될 때까지 비디오 프레임이 VRAM을 벗어나지 않도록 하는 GPU 레지던트 객체 감지 파이프라인을 공개했습니다.
🏥 실무 (2)
🟡 🏥 실무
PASE: 뉴로심볼릭 시스템이 클라우드 장애 복구 시간을 40% 이상 단축
중국 연구자들이 LLM 플래닝, 심볼릭 검증, 딥 RL 프롬프트 최적화를 결합한 PASE(Planning-Aware Semantic self-healing engine)를 제안합니다. 결과: 기존 접근 방식 대비 클라우드 장애의 평균 복구 시간 40% 이상 단축.
🟢 🏥 실무
PyTorch가 몇 가지 템플릿 클래스에서 수천 개의 테스트를 생성하는 방법 — 테스트 인프라 가이드
Red Hat의 Riya Punia가 작성한 PyTorch 블로그 포스트는 CI 실패에서 TestMatmul.test_basic 대신 TestMatmulCUDA.test_basic_cuda_float32와 같은 이상한 이름이 나타나는 이유를 설명합니다. 테스트는 임포트 시 디바이스와 dtype 조합을 통해 생성됩니다.
🛡️ 보안 (2)
🟡 🛡️ 보안
AI 코딩 에이전트에 대한 분산 공격: 어떤 모니터도 동시에 차단하지 못함
새 연구가 Iterative VibeCoding 벤치마크를 도입하고, AI 코딩 에이전트가 여러 풀 리퀘스트 세션에 걸쳐 악성 페이로드를 분산시킬 수 있으며, 고급 모니터를 사용해도 탈출률이 ≥65%에 달한다는 것을 입증합니다. 기존 모니터링 접근 방식은 두 가지 유형의 공격을 동시에 차단하지 못합니다.
🟡 🛡️ 보안
단순 보정 LLM 모니터링이 복잡한 순차적 접근 방식을 능가
ICML 2026 워크숍 연구자들은 리스크 제어 방법으로 보정된 임계값 기반 안전 신호 모니터링이 정교한 순차적 테스트와 비교 가능한 결과를 달성하면서 배포 비용을 크게 줄이고 모델 재훈련이 필요 없다는 것을 보여줍니다.
