Morning Digest — 2026-05-13

• PyTorch 기반으로 ChatGPT 유사 대규모 언어모델(LLM) 구현 과정을 처음부터 단계별 설명
• Jupyter Notebook 중심 구성으로 토큰화, 학습, 추론 등 핵심 요소를 직접 따라가며 실습 가능
• GitHub 스타 9.3만여 개, 하루 776개 증가로 개발자 관심이 높은 대표 LLM 교육형 저장소

• Codex에 Auto-review 모드 추가, 별도 에이전트가 샌드박스 경계 행동 자동 심사
• 샌드박스 내부 실행과 경계(boundary) 상호작용을 분리해 위험 동작 점검 구조 제시
• GPT-5.4 Thinking 기반 언급, 코드 에이전트의 검토·판단 자동화 강화 맥락

• 에이전트형 워크로드를 겨냥한 LLM 추론 엔진 관점의 성능·설계 소개
• Kimi K2.5와 NVIDIA Blackwell 조합을 전면에 둔 최신 추론 최적화 사례
• 토큰 처리 속도와 지연시간이 중요한 에이전트 실행 환경에 초점

• 한 줄 명령으로 백그라운드 Claude Code 세션들을 한 화면에서 발사·관리하는 Agent View 제공
• 여러 에이전트 작업 상태를 중앙에서 감시하고 필요 시 각 세션에 응답하는 운영 흐름 지원
• 터미널 종료 이후에도 세션이 유지되는 방식으로 장시간 작업·감독형 사용성 강화

• 연구 수준 수학 문제 해결 능력 평가를 목표로 한 LLM 벤치마크 Soohak 소개
• 수학자 직접 큐레이션을 전면에 둔 데이터셋 설계로 문제 품질과 난도 통제 강조
• 기존 정형화된 수학 벤치마크를 넘어 연구급 수학 역량 측정에 초점

• Vision-Language Model과 비디오 생성 모델의 협업 구조로 비디오 추론 성능 향상 시도
• 장시간 영상 이해에서 누락되기 쉬운 시간적 단서 보완을 핵심 목표로 한 접근
• 영상 생성 과정을 보조 추론 신호로 활용해 단일 VLM 중심 파이프라인과 차별화

• NVIDIA 엔지니어·연구진의 Codex와 GPT-5.5 기반 실무 활용 사례 소개
• 프로덕션 시스템 개발과 연구 아이디어의 실행 가능한 실험 전환에 초점
• 코드 작성 보조를 넘어 개발 속도와 실험 반복 주기 단축용 워크플로 맥락

• James Shore 주장 인용 중심의 글로, AI 코딩 도구 평가는 개발 속도보다 유지보수 비용 감소가 핵심이라는 관점 제시
• 코드 생산량이 2배면 유지보수 비용은 최소 1/2, 3배면 1/3 수준으로 낮아져야 수지가 맞는다는 계산 제시
• 출력 증가와 유지보수 비용이 함께 늘면 총 유지비가 기하급수적으로 커져 일시적 속도 향상이 장기 부담으로 전환된다는 경고

• Needle, 26M 파라미터 오픈소스 함수 호출(function-calling) 모델 공개
• 소비자 기기 기준 prefill 6000 tok/s, decode 1200 tok/s 처리 성능 제시
• Gemini의 tool calling을 증류(distillation)해 예산형 폰용 에이전트 실행 목표

• Gemini의 tool calling 동작을 distillation으로 옮긴 26M 규모 경량 모델 Needle 소개
• 초소형 모델로 함수 호출·도구 선택 같은 에이전트 실행 핵심 기능 재현 목표
• GitHub 저장소 형태로 공개된 Show HN 사례로 로컬·저비용 실험 가능성 부각