UN Comtrade의 실제 글로벌 원유 거래 데이터를 활용하여 호르무즈 해협이 봉쇄되었을 때의 공급망 충격과 유가 변동을 시뮬레이션한 연구가 공개되었습니다. 이 모델은 전 세계 공급망 네트워크의 변화, 비축유 고갈, 시장 가격 결정 메커니즘을 계산하여 위기 상황에서의 에너지 안보를 예측하는 데 중요한 역할을 합니다. 비록 예측이 아닌 스트레스 테스트(Stress test) 성격이지만, 극단적 위기 상황에서 글로벌 석유 시장이 얼마나 취약해지는지를 시각적으로 보여줍니다.
페이인 랩스(Feyn Labs)는 자연어를 SQL 쿼리로 변환하는 'SQRL' 모델 패밀리를 발표했습니다. 이 모델은 읽기 전용 프로브를 통해 실제 쿼리를 작성하기 전에 데이터베이스를 먼저 검사하여 정확도를 높이는 것이 특징입니다. 특히 핵심 모델인 SQRL-35B-A3B는 벤치마크에서 뛰어난 성능을 기록했으며, 기업 내부에 자체 호스팅이 가능한 소규모 모델로 경량화할 수 있어 실무 적용에 중요한 의미를 갖습니다.
2026년 초 현재, 주류 LLM이 생성한 텍스트는 강력한 통계적 패턴을 띠고 있어 고전적인 머신러닝 모델로 인간이 쓴 글과 효과적으로 구분할 수 있습니다. 개발자는 Scikit-learn의 기본 모델들을 활용해 단일 문장 기준 약 85%의 정확도를 보이는 AI 텍스트 탐지 데모를 구축했습니다. 이는 기업이나 플랫폼에서 무거운 LLM 모델을 사용하지 않고도 가벼운 분류 모델로 AI 표절을 방지하고 콘텐츠 품질을 관리할 수 있는 실질적인 방안을 제시합니다.
데이터 과학자와 분석가를 위해 개발된 GeoSQL은 Claude, Codex, GitHub Copilot 등 AI 에이전트와 연동되어 PostGIS, BigQuery 등의 지리공간(Geospatial) 데이터 처리를 돕는 도구입니다. 특히 AI가 텍스트만으로 오류를 찾던 기존 방식에서 벗어나, 지도를 직접 렌더링하여 시각적으로 결과를 검토하고 스스로 오류를 수정하게 함으로써 작업 효율과 정확도를 4배 향상시켰습니다. 별도의 SaaS 계정 없이 로컬 환경에서 100% 작동하며, 비용 초과 방지 및 쿼리 최적화 기능도 지원합니다.
이 글은 무작위 대조 시험(RCT)이 의학 등에서 증거의 '황금 표준'으로 추앙받고 있지만, 막대한 비용과 시간이 든다는 점을 지적하며 관찰적 증거(Observational Evidence)의 가치를 재조명합니다. 역사적인 사례를 통해 방대한 샘플 크기를 확보할 수 있는 관찰 연구가 오히려 미세한 차이를 매우 효율적으로 밝혀낼 수 있음을 보여줍니다.
AI 스타트업 '프러버블리(Probably)'는 엄격한 검증 시스템을 통해 LLM의 환각을 방지하고 99.99%의 정확도를 달성하는 기술을 개발 중입니다. 이 회사는 '데이터 과학 메카 수트'라고 부르는 정교한 엔지니어링 시스템을 도입해, 최첨단 AI 모델보다 성능이 낮은 모델을 사용하면서도 로컬 하드웨어에서 빠르고 저렴하게 작동하는 데이터 분석 도구를 구축했습니다. 이를 통해 증가하는 토큰 비용을 획기적으로 줄이며, 향후 회계, 의료 등 오류가 용납되지 않는 정밀 산업군으로 확장할 계획입니다.
Anthropic은 세계 최고 수준의 화학자들과 협력하여 클로드가 다양한 화학 데이터를 해석하고 분석하도록 개선하고 있습니다. 특히 화학자들이 가장 많이 사용하는 분석 데이터인 NMR 스펙트럼(NMR spectrum)을 클로드가 어떻게 해석하는지 평가하는 첫 백서를 발표했습니다. 이는 AI가 단순히 데이터베이스를 조회하는 것을 넘어, 화학 구식을 시각적으로 읽고 논리적으로 추론하여 화학자들의 실무를 실질적으로 보조하는 중요한 전환점입니다.
영국 유니버시티 칼리지 런던(UCL)의 정보보안 전문가 스티븐 머독(Steven Murdoch) 교수는 미군이 지난 20년간 전 세계 GPS 위성을 이용해 군사용 암호화 키를 은밀하게 전송해 왔다는 증거를 발표했습니다. 스마트폰을 포함해 GPS를 사용하는 모든 기기가 알지 못하는 사이에 이 숨겨진 정부 신호를 수신해 온 셈입니다. 이는 기존의 번거로운 수동 암호키 분배 방식을 대체하는 전파 키 분배(OTAR) 체계와 완벽히 일치하는 타임라인을 보여주며 보안 및 인프라 연구 측면에서 중요한 의미를 갖습니다.
2026년 5월 말, rsync 프로젝트에서 클로드(Claude)가 작성한 코드로 인해 버그가 발생했다는 근거 없는 주장이 마스토돈과 해커뉴스를 중심으로 확산되며 큰 논란이 일었다. 이에 대해 한 개발자가 통계학 석사 학력을 가진 아내의 조언을 받아 철저한 데이터 분석을 수행하고, AI가 수치를 조작하거나 환각(hallucination) 현상을 일으키지 않도록 전체 파이프라인을 공개하여 결과를 검증할 수 있도록 했다. 이 사건은 오픈소스 내 AI 코드 도입에 대한 맹목적인 혐오와 비판이 얼마나 빠르게 확산할 수 있는지, 그리고 이를 방어하기 위해 얼마나 투명하고 엄격한 데이터 검증이 필요한지를 보여줍니다.