UC Berkeley의 UCCL 연구팀이 다중 GPU 및 다중 노드 환경의 통신과 연산을 하나의 지속형 CUDA 커널로 통합한 'mKernel' 라이브러리를 공개했습니다. 이 라이브러리는 노드 내 NVLink, 노드 간 RDMA 통신 및 고밀도 연산을 하나로 융합하여 시스템 오버헤드를 최소화하고 대규모 AI 모델 학습 및 분산 컴퓨팅의 효율성을 극대화하는 데 기여할 수 있습니다.
칸반 보드의 각 카드마다 AI 에이전트를 개별 git worktree(작업 트리)에서 병렬로 실행할 수 있는 오픈소스 데스크톱 앱이 공개되었습니다. 에이전트의 진행 상황, 의사결정, 비용 발생이 보드에 실시간으로 업데이트되어 효율적인 작업 관리가 가능합니다.
기존 LLM의 순차적 메시지 처리 방식이 갖는 병목 현상을 해결하기 위해, 읽기, 쓰기, 추론을 각각 독립적인 '병렬 스트림'으로 분리하는 새로운 멀티 스트림 LLM 아키텍처가 제안되었습니다. 이 연구는 AI 에이전트가 새로운 입력을 읽으면서 동시에 다른 작업을 수행하거나 추론할 수 있게 만들어, 실행 효율성과 보안성, 모니터링 능력을 획기적으로 향상시킵니다. 이는 자율형 AI 에이전트 및 코딩 어시스턴트의 구조적 한계를 넘어서는 중요한 연구 성과입니다.
이 글은 100개 이상의 AI 코딩 에이전트(Claude)를 병렬로 실행하여 대규모 엔드투엔드(E2E) 테스트를 수행하는 새로운 소프트웨어 테스트 방법론을 소개합니다. AI가 튜토리얼을 기반으로 자동으로 테스트 코드를 생성하고 실행, 디버깅, 수정하는 과정을 거치며, 이를 통해 테스트 자동화의 병목 현상을 해결할 수 있습니다. 개발 실무 관점에서 다수의 에이전트를 활용해 테스트 커버리지와 개발 효율성을 극대화하는 중요한 사례입니다.