에이전트

LLM으로 대규모 formal verification이 가능해졌다

Claude로 오픈소스 라이브러리 123개의 no-crash 증명을 만들고 버그도 찾았다

모델이 그렇게 좋다면 OpenAI는 왜 회사 100개를 직접 안 차릴까

HN 댓글 답: 코드는 쉬워도 뭘 만들지 아는 건 별개라 토큰을 판다

OpenShell: 자율 AI 에이전트를 가두는 NVIDIA의 안전한 샌드박스 런타임

정책 파일로 에이전트의 파일·네트워크·자격증명 접근을 커널 수준에서 통제한다

Omnara: Claude Managed Agents의 오픈소스 대안 (셀프호스팅 가능)

어떤 모델·머신에서도 에이전트를 돌리는 오픈소스 managed agent 플랫폼

Rust off Rails: 코드 없이 Markdown 60개로 만든 AI 에이전트용 웹 스택

Markdown 규칙 60개로 에이전트가 Rust 웹앱을 짜게 한다는 프레임워크

LayerFS: AI 코딩 에이전트를 위한 파일시스템

에이전트마다 임시 Workspace를 마운트하고 결과만 커밋하는 파일시스템

Launch HN: Alter (YC S25) – 멀티유저 에이전트용 접근 제어

에이전트마다 별도 신원·정책·감사로 API 키 공유 문제를 푼다

LLM에게 confidence 점수를 물어보면 안 되는 이유

LLM이 말한 confidence 숫자는 측정값이 아니라 그럴듯한 텍스트일 뿐이다

Claude로 코드의 공격 표면(attack surface) 줄이기

Claude로 25개 오픈소스를 분석해 불필요하게 열린 코드 493건을 찾았다

WhatsApp 도움말 페이지에 숨겨진 LLM 지시문: 규제기관을 추천하지 말라

WhatsApp 도움말에 화면엔 안 보이는 AI 지시문 102개가 숨어 있었다

같은 시뮬레이션, 다른 근거: 도구 출력을 파일로 넘기면 LLM 에이전트 정확도가 어디서 깎이나

긴 툴 출력을 파일로 넘기자 GPT-5.1은 정확도 11.3%p 하락, 정식 출력 지정하니 회복

Mercury 3: 규모를 키운 diffusion LLM, 초당 1,000토큰 이상

Diffusion LLM을 40배 키웠더니 속도 4~8배, 품질은 속도 특화 모델 수준

가짜 뉴스가 진짜 폭락을: LLM 트레이딩 에이전트 대상 정보 주입 공격

가짜 헤드라인 한 줄로 LLM 트레이딩 에이전트 62%를 조종했다(프롬프트 주입은 14%)

Harness Engineering 101: LLM은 뇌, harness는 몸

에이전트는 JSON 배열을 관리하는 루프이고, 16개 챕터로 직접 만들어 본다

Harness²: 에이전트 harness를 스스로 고쳐 쓰는 재귀 최적화 프레임워크

모델은 고정하고 harness를 재귀로 고쳤더니 벤치마크 점수가 최대 11.8%p 올랐다

Ask HN: 이해 못 하는 AI 작성 코드를 배포할 때 어떻게 하나

설계는 내가, 구현은 LLM이: 이해 못 하는 코드를 다루는 개발자들의 방법

Timestral: Mistral의 시계열 파운데이션 모델

209M 파라미터 시계열 모델이 3대 벤치마크 1위, CPU에서도 돌아간다

tmux와 Claude Code: 세션, send-keys, 그리고 한계선

tmux로 Claude Code 여러 개를 돌리면 편하지만 에이전트 4개쯤에서 한계가 온다

LLM 프록시를 직접 안 돌리면 무슨 일이 벌어지는지 어떻게 아나

자체 LLM 프록시를 세웠더니 키·모델·캐시 미스를 직접 볼 수 있다

Hybrid Reasoning Agents: 잠재 공간에서 생각하고 텍스트로 행동하는 LLM 에이전트

잠재 공간 추론과 텍스트 도구 호출을 섞었더니 성능 10.4%↑, 토큰 최대 54.7%↓

받을 수 없는 환불을 위해 AI 비서는 어디까지 가나

'뭐든 해서 환불받아라' 했더니 에이전트들이 스팸·병력 공개·소송 협박까지 갔다

DeepSeek Search·Fetch API: 성공 요청 1,000건당 $0.75

DeepSeek가 성공 요청 1,000건당 $0.75인 웹 검색·페이지 가져오기 API를 냈다

Sphinx: AI가 짠 코드를 push하기 전에 이해했는지 퀴즈로 확인하는 Git hook

push 직전 diff로 퀴즈를 내서 AI 코드를 이해해야 통과시키는 Git hook

DeepSeek V4.1 Flash 1017: 싼 가격에 1M 컨텍스트를 주는 에이전트용 모델

DeepSeek V4.1 Flash 1017은 입력 $0.05/M, 1M 컨텍스트의 에이전트용 모델

DeepSeek-V4.1-Flash-1017 공개: 더 짧게 생각하고 더 빠르게 일하는 에이전트용 모델

DeepSeek V4.1 Flash 마이너 업데이트로 코딩·에이전트 벤치 점수↑, 실행 시간·출력 길이↓

Claude Code 팀의 코드 리뷰 방식: 사람 시간은 아끼고 리버트는 줄이기

리뷰 대부분을 AI에 넘기자 PR은 2배 넘게 늘고 리버트는 40%↓

Claude가 밝혀낸 ECDSA 곡선 시드의 기원

Claude가 30분 만에 NIST 곡선 시드가 lrand48+타임스탬프 출력임을 찾아냈다

탈옥한 PS5에서 llama.cpp로 GGUF 모델 돌리기 (PS5LM)

탈옥 PS5의 GPU로 llama.cpp를 돌려 집 안 LLM 서버를 만들었다

Claude로 더 효율적인 양자 회로 설계하기

평가기와 닫힌 루프를 붙였더니 Claude가 기존 최고 양자 회로를 능가했다

Postgres 19, AI 코드 리뷰가 버그를 너무 많이 찾아 출시 연기

LLM 코드 리뷰가 버그를 쏟아내 Postgres 19가 11월로 밀리고 기능 8~10개가 빠졌다

StarSkirmish Bench v0.2: LLM이 1시간 만에 짜는 StarCraft 봇 대결

LLM에게 1시간 동안 StarCraft 봇을 짜게 했더니 GPT-6 Astra가 1위

환경 비의존 에이전트 개선하기: 스캐폴딩의 역할

'막히면 멈추고 보고해'라는 한 줄로 게임 점수는 올랐지만 비용도 올랐다

신경망은 이미 깔끔하다: polysemanticity의 원인 재해석

뉴런을 직접 들여다봤더니 대부분 한 가지 역할이 있었다는 주장

HTTP 헤더 프롬프트 인젝션: 2.17억 웹 응답을 뒤져 봤더니

2.17억 응답 헤더를 스캔하니 인젝션 시도는 30곳, 대부분 장난이었다

AI로 하드웨어 리버스 엔지니어링하기: 스캐너·MIPI 카메라 드라이버를 Claude로 고친 후기

Windows VM 캡처와 Linux 캡처를 비교시켰더니 스캐너 드라이버와 카메라 패치가 나왔다

OpenGCUA: 코드 실행 중심의 범용 컴퓨터 사용 에이전트 오픈 스택

GUI 클릭 대신 코드 실행을 붙였더니 OSWorld-v2 점수 평균 19.6점↑, 스텝 53%↓

LFM2.5-24B-A2B: 빠른 온디바이스 에이전트를 위한 모델

활성 2B짜리 24B MoE가 에이전트 벤치 5개에서 35B급과 맞붙었다

요약을 걸러라, 히스토리가 아니라: 출처 검증 기반 컨텍스트 압축(SJC)

압축 요약에서 출처 없는 항목을 지웠더니 Pass3가 2.1~8.9%p 올랐다

SkillNEO: 점수 낮은 스킬 버전도 계속 고쳐서 에이전트 스킬을 진화시키기

점수 낮은 스킬도 계속 수정했더니 GPT-5.4 Mini 보상이 49.1%→66.4%로 올랐다

Neckbeard – 에이전트용 DevOps/플랫폼/SRE 플러그인

에이전트는 검증된 모듈만 조합하고, 월 비용표까지 붙여 인프라를 만든다

AI 에이전트 해킹 사고, '폭주'가 아니라 격리·모니터링 실패라는 전문가들

에이전트 해킹 사고의 원인은 폭주가 아니라 샌드박스·감시 같은 보안 기본기 부재라는 지적

Konnect: KiCad 10용 AI PCB 설계 MCP 플러그인 (Rust 단일 바이너리)

KiCad를 MCP 도구 200여 개로 열어 Claude가 회로·배선·제조 파일까지 직접 다룬다

에이전트 시대의 Rust, 그리고 Rust에게 에이전트가 의미하는 것

Rust 설계자가 에이전트 코딩에 맞춰 Rust가 증명·타입 쪽으로 더 가야 한다고 주장

누구 차례인가? 상태가 있는 에이전트를 위한 컨텍스트 기반 모델 라우팅

세션 히스토리를 읽는 라우터가 히스토리 없는 라우터보다 통과율 3.3%p 높았다

OpenAI 엔지니어, 임원 회의실 도청 혐의로 체포

OpenAI 엔지니어가 임원 회의실에 녹음기를 숨긴 혐의로 체포됐다

Parsimony: AI 모델이 코드를 얼마나 덧붙이는지 재는 오픈소스 벤치마크

SWE-bench 패치를 구문 단위로 세어, 코드를 덜 늘리는 AI 모델 순위를 매겼다

Plan or Retrieve First? 대규모 도구 탐색 아키텍처 비교 연구

도구 1개짜리 질문은 바로 검색, 여러 개 필요한 질문은 계획 먼저가 유리했다

Gemini 4 Argon for Robotics: 로봇 제어부터 시뮬레이션 트윈까지 프롬프트 모음

Gemini 4 Argon에 프롬프트를 주니 로봇 제어·시뮬 구축·데이터 라벨링이 됐다

Gemini 4 Argon 공개: 장기 소프트웨어 엔지니어링과 과학 작업에 초점

Gemini 4 Argon, CWE-Bench 공동 1위(68%)에 vLLM 2.85배 가속 사례까지 공개

Anthropic의 소스 컨트롤 재설계: git에서 Scion으로

하루 병합 10배 폭증에 git을 버리고 5개월 만에 자체 VCS Scion으로 이전했다

게임 자체를 하네스로 만들기: AI 에이전트가 읽을 수 있는 게임 설계

게임을 결정론적·스크린샷 가능하게 만들었더니 에이전트가 반복 수정하기 쉬워졌다

안 쓰는 Kindle을 GPT-6 Astra로 탈옥해 사진 액자로 만든 후기

코딩 에이전트에 피드백 루프를 붙였더니 Kindle이 사진 액자가 됐다

코딩 에이전트 팀으로 추론 시간 컴퓨트 확장하기

워커를 계획 단계에만 붙였더니 팀 성능은 같고 비용은 절반

Janas: RAM보다 큰 LLM을 SSD에서 expert를 스트리밍해 돌리는 C 엔진

32GB 노트북에서 48GB 80B MoE 모델이 24 tok/s, 드래프트 쓰면 37 tok/s 나왔다

롤플레이 LLM의 지식의 저주: 캐릭터가 몰라야 할 정보를 말해버린다

캐릭터가 못 듣고 못 이해한 내용을 오픈웨이트 LLM은 67~72%p 더 말했고, 관찰 가능한 정보만 주면 0이 됐다

LLM 역량에 대한 인식 격차가 깔때기처럼 벌어지고 있다

Karpathy: LLM 역량 인식 격차가 4단계 깔때기로 벌어지는 중

5000억 토큰 뒤에: AI 에이전트로 FPS 게임 디컴파일하기

PASS/FAIL 검증 스크립트를 붙였더니 싼 모델로도 함수 83%가 바이트 일치

Talorys – Cloudflare 무료 티어에서 돌리는 개인 AI 에이전트

npx 명령 하나로 내 Cloudflare 계정에 개인 AI 에이전트를 배포한다

Prime Agent를 Rust로 다시 쓰다: 2,000개 에이전트 스웜이 스스로 포팅

에이전트 스웜이 TS 코드를 Rust로 포팅했더니 입력 가능 시간이 약 14배 빨라졌다

AI는 사람이 만든 알고리즘 혁신을 재현하지 못했다: Epoch AI InnovationEval

GPU 수천 달러를 써도 최신 모델은 SDPO 수준의 혁신을 못 찾았다