Epoch AI: GPT-5.4 Pro가 프론티어 수학 난제를 최초로 해결
Epoch confirms GPT5.4 Pro solved a frontier math open problem
TL;DR Highlight
GPT-5.4 Pro가 FrontierMath의 미해결 문제(라므지 스타일 하이퍼그래프)를 최초 해결했으며, Opus 4.6과 Gemini 3.1 Pro도 후속 검증에서 이를 풀어냈다.
Who Should Read
AI 능력 발전 추이를 추적하는 연구자, 수학 AI 벤치마크에 관심 있는 ML 엔지니어
Core Mechanics
- GPT-5.4 Pro가 Epoch AI FrontierMath의 "중간 정도로 흥미로운" 카테고리 오픈 문제를 최초 해결 — 문제 기여자 교수가 공식 확인 및 학술 출판 예정
- 이후 일반 스캐폴드 적용 시 Opus 4.6 (max), Gemini 3.1 Pro, GPT-5.4 (xhigh)도 동일 문제 해결 — 프론티어 모델들의 광범위한 수학 능력 향상 확인
- HN 토론: "LLM은 훈련 데이터 리믹서라 새 아이디어 불가" 주장에 대해 댓글들이 구체적 반례 제시 — 노벨티 여부 논쟁 여전히 진행 중
Evidence
- Epoch AI 공식 확인: 문제 기여자 Will Brian(UNC Charlotte 교수)이 해결 유효성 검증, 학술 출판 계획
- Opus 4.6은 약 250K 토큰 소비 — 토큰 소비량이 문제 난이도 프록시로 기능할 가능성
How to Apply
- AI 모델 수학 능력 벤치마킹 시 FrontierMath Open Problems 참고 (epoch.ai/frontiermath/open-problems)
- 프론티어 모델들의 실제 능력 한계를 파악할 때 단순 벤치마크보다 미해결 문제 도전 방식 활용
Terminology
관련 논문
2,000명이 내 AI 어시스턴트를 해킹하려 한 뒤 벌어진 일
실제로 6,000개 이상의 이메일로 AI 에이전트에 prompt injection 공격을 시도한 공개 실험 결과로, Claude Opus 4.6이 비밀 파일 유출을 한 번도 허용하지 않았지만 실험 설계의 현실성에 대한 논란이 뜨거웠다.
언제 LLM을 조합하면 효과가 있나? 67개 Frontier 모델에서 Routing, Voting, Mixture-of-Agents의 Co-Failure Ceiling 분석
여러 LLM을 조합해도 '모든 모델이 동시에 틀리는 비율(β)'이 성능 상한선이며, 업계가 쓰는 pairwise 상관계수(ρ)는 이 상한선을 예측하지 못한다.
Function Calling을 넘어서: Tool-Environment 신뢰성 문제 하에서의 Tool-Using Agent 벤치마크
실제 환경처럼 API가 망가지거나 결과가 이상할 때 LLM 에이전트가 얼마나 잘 버티는지 측정하는 벤치마크 ToolBench-X 공개.
LG 스마트 TV 앱의 절반 가까이에 Residential Proxy SDK가 심어져 있다
6,038개의 LG·Samsung 스마트 TV 앱을 스캔했더니 2,058개에서 사용자의 IP를 몰래 팔아 트래픽을 중계하는 Residential Proxy SDK가 발견됐다. TV는 컴퓨터처럼 감시받지 않아서 프록시 호스트로 거의 이상적인 환경이다.
Prompt Injection의 본질은 Role Confusion이다
LLM이 시스템 프롬프트, 사용자 입력, 툴 출력을 구분하지 못하는 구조적 결함이 prompt injection의 근본 원인이라는 ICML 2026 논문으로, 현재 LLM 보안 아키텍처의 한계를 명확히 분석한다.
GPT-5.5의 환각(Hallucination) 비율이 MIT 라이선스 GLM-5.2보다 3배 높다
모델 크기가 커질수록 성능이 좋아진다는 통념에 반해, 오픈소스 753B 모델 GLM-5.2가 추정 1~2T 규모의 GPT-5.5보다 환각 비율이 3배 낮다는 벤치마크 결과가 나왔다. 단순히 파라미터 수와 벤치마크 점수만으로 모델을 선택하면 실제 업무에서 낭패를 볼 수 있다는 경고다.