Morning Digest — 2026-05-21

• 20개 페이즈·435개 레슨·약 320시간 구성, Python·TypeScript·Rust·Julia 전반 지원
• 선형대수·백프로퍼게이션·토크나이저·어텐션·에이전트 루프를 프레임워크 없이 직접 구현
• 각 레슨마다 문제·개념·직접 구현(Build It)·라이브러리 적용(Use It)·배포(Ship It) 구조 채택

• 개발 지연의 핵심 원인을 코딩 속도가 아닌 모호한 요구사항의 문제 정의 과정으로 지목
• AI 코드 생성도 동일한 업스트림 제약에 묶이며, 정확한 결과에는 도메인·제품 전문가의 깊은 개입 필요
• AI 생산성 비교에서 빠지기 쉬운 핸드홀딩 비용이 실제 격차를 만들며, 인간 개발자도 상세 명세 시 생산성 급상승

• OpenAI 공동 창립 멤버이자 전 Tesla AI 디렉터 Andrej Karpathy의 Anthropic 합류
• 합류 시점은 5월 19일로 언급, Claude pre-training 팀 참여 내용 공개
• 주요 LLM 연구·제품 경험을 가진 인물의 이동으로 사전학습 역량 변화 주목

• 추론 강화학습(reasoning RL)에서 모델이 자신의 고확률 응답만 강화하는 자기증류(self-distillation) 문제 조명
• 정답 자체 확률이 아닌 입력과 정답 간 점별 상호정보량(PMI) 관점의 보상 설계 제안
• 모델의 사전 선호를 덜어내고 문제 조건이 실제로 기여한 응답을 더 우대하는 학습 방향

• 툴사용 에이전트 학습을 위해 실행 가능한 환경(executable environments)을 자동 합성하는 EnvFactory 제안
• 정적 데이터셋 대신 상호작용 가능한 환경에서 정책을 학습·평가해 도구 사용 일반화와 강건성 강화 지향
• 환경 합성과 robust RL을 결합해 다양한 툴 API·상태 전이·실행 결과를 포함한 학습 신호 확장

• Claude Code, Codex, LangChain Deep Agents 등 하네스를 오케스트레이터로 두는 역할 분리 관점
• 세션 관리·도구 체이닝·코드 실행은 하네스가 담당하고, 심층 조사(deep research)는 별도 전문 스킬로 결합
• 범용 에이전트에 리서치 기능을 내장하기보다 특화 모듈을 추가해 응답 품질과 재사용성 개선 지향

• 실사용 가능 항목 중심으로 I/O 발표를 검토하며, 대다수 핵심 발표가 아직 'coming soon' 단계라는 지적
• Gemini Spark를 Gmail·Calendar·Drive·Docs·Sheets·Slides·Youरी브·Maps와 네이티브 연결되는 개인용 AI 에이전트로 소개
• FAQ에 따르면 Gemini Spark는сул 모델로 Gemini 3.5 Flash와 Antigravity를 함께 사용한다고 명시

• Gemini 3.5 Flash GA 공개, Gemini 앱·Google Search AI Mode·AI Studio·Android Studio·Enterprise 전반 배포
• 모델 ID gemini-3.5-flash, 지식 컷오프 2025년 1월, 입력 1,048,576토큰·출력 최대 65,536토큰 지원
• Interactions API 베타 공개, 서버 측 대화 이력 관리 중심으로 OpenAI Responses와 유사한 패턴 제시

• ByteShape가 Qwen 3.6 35B GGUF를 표준 NTP와 MTP 두 계열로 공개
• NTP에서는 메모리에 들어가는 최대 양자화 선택 전략이 품질·속도 균형에서 강한 결과
• 낮은 bpw가 항상 유리하지 않았고, 가장 큰 모델이 프롬프트 처리와 토큰 생성 모두에서 경쟁력

• 단일 모델 고도화 대신 LLM 개체군(population) 공진화(co-evolution) 기반 추론 self-play 접근
• LoRA 기반 경량 적응을 활용해 여러 모델 변종을 병렬 탐색·갱신하는 학습 프레임워크 성격
• 추론(reasoning) 과제에서 모델 간 경쟁·상호작용을 통해 성능 향상을 노리는 방법론 제시