감사합니다 감사합니다....😭😭😭

https://twitter.com/daigo_3_8/status/2022139712769786150

캬 대박 진짜로 된다! 노트북LM AO 생성 자동화의 꿈이 갑자기 성큼 다가옴

말모님이 치료 안 한 근시의 자연 경과가 궁금하다면서 논문 6개 다운로드 받아서 Antigravity한테 일을 시켰다. (본인은 자각 못 했지만 제대로만 되면 메타분석 논문이 나올듯 ㅋㅋㅋㅋㅋ) 와... 이게 뭐야. 말 몇마디 했다고 이렇게 정리돼서 나오면 불법 아님? (조용히 다음 단계로 진행한다)

말모님이 제안한 아이디어: "소아과 산부인과 지역불균형 연구"
밤새 #리서치에이전트 가 돌아갔고, 초기 데이터 일부가 수집되었음 - 전국 평균 전문의 수는 10명 내외이나, 지역별 분포는 매우 불균등
- 일부 시군구 산부인과·소아청소년과 전문의가 한 명도 없는 상태가 지속
- 대도시와 농촌 간 전문의 밀도는 최대 100배 이상 차이
- 2019~2024년 동안 전문의 수는 증가했지만 지역 격차는 거의 완화되지 않음

오늘 논문 마무리하면서 본문이랑 supplementary랑 chatgpt, claude, gemini에게 주고 internal consistency, author instruction과 맞지 않는 걸 체크하라고 시키고, 지적하는 걸 잡는 식으로 한참을 작업했다. 세가지 모두에게 도움을 받았다. 한국어 요약문은 제미나이가 압도적으로 잘 써줬다 제미나이는 초록 구조가 잘못된 것과 credit 저자 기여에 있는 오타를 잡아줬고, claude는 분석 자체의 근원적인 오류의 단서를 지적해서 antigravity에게 확인시키고 코드 열어보니 아뿔사 처음부터 그루핑을 틀린 채로 분석중이었다. 다시 시키니까 GA에 들어가는 보조 차트까지 새로 그려줌

주말에 antigravity로 진행중인 연구 몇가지 데이터에 적용해봤는데... 똑같은 자료를 주고 비슷하게 시켜봐도 결과가 늘 다르게 나옴. solution space가 엄청 넓은데, 연구자가 그 중 의미 있는 것을 감각적으로 선택해 파고드는 반면, AI는 토큰확률을 좇아 뭔가를 추천하는 느낌 AI가 추천한 분석들 중 일부는 왜 이게 중요하고 왜 필요 없는지 명확하게 설명 가능한데, 일부는 왜 별로인지 왜 괜찮은 아이디어인지 나도 잘 모르겠더라. 수행한 결과를 보고 설명은 가능한데, 애초에 그 방향을 잡는 생각의 흐름 자체에 대한 평가가 어렵더라고. 효율적으로 사용하려면 사고방식의

1호 숙제하면서 antigravity한테 자료 찾아달라고 하니까 크롬 브라우저를 열어서 물환경정보시스템에 들어가 자료를 받아서 이런 걸 만들어줌. 이런 건 좀 마법같지 않나 ㅎ 웹UI에서 챗봇들에게 시켰을 때는 자료가 안 열려서 실패하길래 antigravity로 넘어간건데, 그냥 agent mode로 다시 시켜볼 걸 그랬다. 사실 header 같은거 변조해서 자료 받아올거 생각하고 로컬에서 coding agent를 시킨거긴 했음.

코드 하나 짤 거 있어서 계획을 ChatGPT에게 주고 help me develop this idea라고 했는데, 내가 실제로 참고했던 논문을 언급하네? 겁나 똑똑하군... (메모리 기능 다 꺼놓고 사용 중) 저 논문 보고 한계를 극복할 수 있는 아이디어를 좀 적어본 건데, 신기하다 연구계획 정교화하고 코드로 구현할 계획 짜는데 gpt-5.1-Thinking이 gemini-3-pro-thinking보다 나아보이는데.. 내가 적절한 프롬프팅을 못해서 제미나이한테 샌드배깅 당하고 있는 걸지도

어제 논문 찾다가 Scholar Labs라는 게 새로 생겼길래 한 번 테스트해보는 중. 일단 첫 인상은 평범한 자연어 검색인 듯?
scholar.google.com/scholar_labs/s… 일부 유저에게 11/18부터 제한적으로 공개하고 있는 듯. 소개글에는 (1) 질문의 요지를 파악해 검색 잘 하고, (2) 후속 질문을 하는 식으로 활용할 수 있다고 언급됨
scholar.googleblog.com/2025/11/schola…

구글에서 일기예보 AI모델 WeatherNext 2를 발표. 올초에 이전 버전이 나온걸로 기억하는데, 8배 빨라지고 다양한 시나리오를 한꺼번에 시뮬레이션해서 결과를 낸다고. Weather API에서 사용 가능

https://twitter.com/GoogleDeepMind/status/1990435105408418253

학습에 각 지점에서의 local marginal loss를 사용했지만, 전지구적 구조를 가지는 low dimensional global noise를 갖도록 제한했음. 결과적으로 joint term을 학습하지 않아도 global-scale joint skill(전지구적 상관관계가 있는 variability)이 emergent하게 나타남

재미있는 Anthropic의 연구. 신경망의 활성화 패턴이 어떤 사고 패턴(추상적, 구체적 모두)을 반영하는 것을 계속 보여오고 있었는데, "텍스트 입력과 내부 activation state를 구분해 이해하는 것이 가능함"을 보인 것. 의인화하자면 소리내서 말하는 것과 머릿속으로 생각하는 것이 각각 가능함! #논문 concept injection(특정 벡터 방향으로 내부 활성을 편향시키는 것)을 한 뒤 무슨 생각이 드냐고 물어봤을 때 해당 내용을 1/5 정도에서 인식하고 언어로 표현 가능했음

내과 모 분과 교수님으로부터 7개국 모 질환 guideline을 LLM을 이용해 체계적으로 비교대조하는 것이 가능한지 문의가 들어왔다. 오오오.... 뭔가 뇌고랑 사이가 간질간질한 숙제를 던져주셨네. 머리 쥐어뜯으며 고민하는 중 체계적이라면 어떤 종류의 가이드라인을 주더라도, 누가 하더라도, 반복수행을 했을 때 거의 유사한 객관적 결과가 나와야 하는 건데. 비교를 한다는 것은 하나의 문서를 여러 axes로 decompose해서 각 axis별로 서로 비교분석하는 것일거고. 즉 분석한 axes를 담은 schema부터 체계적으로 만들어야 함

잘 작동하는 것 같던 iptime A3004NS-M 무선공유기가 SSID는 보이는데 접속은 안 되는 현상이 나타나서 AX3000Q로 교체했다. T5004가 DCP를 담당하고, 무선공유기는 DCP를 꺼놓고 쓰는 구성. IoT 기기들이 5GHz에는 안 붙어서 2.4GHz만 11ax(wifi6)모드로 켜놓고 사용

https://twitter.com/mahler83/status/1978948002544001180

매번 설정법을 까먹어서 순서 메모... 이번에도 꼬여서 재설정 두 번이나 함 ㅜㅜ
- 어드민계정설정
- 5GHz 끄고 2.4GHz SSID/비번 설정
- 인터넷은 DHCP로 그대로 놔둠
- 내부네트워크 IP 대역대 맞추고 끝자리 변경
- DNS 끄기
- LAN포트에 CAT케이블 꽂기(미리 꽂지 않기)

클로드에 "Skills"라는 기능이 생겼다. 살펴보니 "Code execution and file creation" 기능과 조합해 사용하는 용도인 것 같다. 특정 작업의 디자인이나 작업방식에 대한 가이드나 참고자료를 미리 작성해서 업로드 해두면, 알아서 그걸 참고해 작업에 활용하는 듯. 일관성 있는 결과물 생성 가능

https://twitter.com/claudeai/status/1978855432123723909

ChatGPT에는 custom GPTs, Gemini에는 Gems가 있었는데, Claude에는 마땅히 비슷한 기능이 없었음. 그런데 그걸 뛰어넘는 방식으로 미리 입력된 지침을 "알아서" 적용해주는 방식으로 구현해냈네. GPTs나 Gems를 자동으로 적용해주는 기능으로 보면 대충 맞겠다

사회교과서 사진으로 찍음 -> 싹 선택해서 인쇄 -> PDF로 저장 -> 노트북LM에 PDF 업로드 -> 몇가지 키워드에 대해 Gemini에게 중학생 눈높이로 설명해달라고 해서 복사 -> 노트북LM에 붙여넣기 -> 이 자료들을 가지고 시험준비하는 학생에게 설명해달라고 deep dive 만들기 -> 학원가는 차에서 듣기

https://twitter.com/mahler83/status/1977568010639683984

자기가 들을 논문 내용만 만들다가 프로 결제하니까 마음이 너그러워져서 아이것도 만들기 시작함 ㅋㅋㅋㅋㅋ

삼성SAIL에서 나온 #논문 Less is More: Recursive Reasoning with Tiny NetworksLess is More: Recursive Reasoning with Tiny Networks. 기존에 Hierarchical Reasoning Model의 단점을 보완하고 경량화한 모델로 보면 됨. HRM은 high/low level module을 따로 만들었는데(우) TRM은 하나를 씀(좌)

https://twitter.com/mahler83/status/1975954940305772801

하.... HRM 내용 들으려고 조깅 나갔다가 비 맞고 쫄닥 젖었던 기억이 나서 ㅜㅜㅜㅜ

https://x.com/mahler83/status/1951993260874010625

Gemini한테 연구계획서, 학회초록 냈던거, 자료조사 좀 해놨던거 다 주고 논문 초안 하나 적어보라고 했는데, 눈돌아가는 수준의 초안이 나왔네? 논문 적는데 사람 필요 없겠다 진짜... 검수만 하면 됨.
좀 더 구체적인 작업 단계를 기술해보면: - 연구계획서, 학회초록을 주고, "이 자료를 바탕으로 이러이러한 측면의 페이퍼를 뭐시기 학술지에 내려고 한다. 어떤 주제에 집중해서 적으면 좋을지 3가지 옵션을 달라."라고 요청함
- 1번과 3번의 방향성이 좋다. 이 두가지를 합쳐서 이걸 좀 추가하면 어떨까? 한 번 방향성 정리해줘봐라

챗지피티 플러스 유저는 GPT-5 이외에 모델을 따로 지정할 수 없게 바뀌나보네. 사실상 다운그레이드 아닌가... 나는 아직 롤아웃 안 된 듯 기존 모델을 deprecation시키면서 하나의 라인으로 통합하려는데 영 만족도가 떨어지는듯

https://x.com/xeophon_/status/1953504619188908074?t=SQUkOkdo39X39T-QbVi2ag&s=19

조깅 다시 시작 2

전국구 의대 문제은행을 만드는 일에 참여하게 될 것 같은데.... 옛날 생각 난다. 친구랑 같이 본4때 국시 기출문제를 스캔해서 OCR로 긁은 뒤 수작업으로 클리닝하고, 모의고사 시스템 만들어서 전국 의대생들이 볼 수 있게 서비스를 만들었었는데 돌고돌아 같은 짓을 하게 생겼음 모의고사 보려면 포인트가 필요하게 만들어서 포인트 벌이를 위해 인력 착취를 하는 구조를 만들었음
- 과목 투표
- 해설 등록
- 좋은 해설 투표
- 오타 제보
이런걸 포인트를 미끼로 무료로 인력착취 ㅎㅎㅎㅎㅎ
지금은 LLM 적용하면 인력이 거의 필요 없을 듯

애플에서 나온 "생각한다는 착각"이라는 자극적 제목의 #논문 추론모델의 한계점을 확인한 연구:
1. 문제가 복잡해질수록 추론과정이 길어지다가 일정 문턱 이상에서는 정답률도 떨어지고 추론 길이도 짧아지는 붕괴(collapse)현상이 나타남
2. 결정론적 문제의 해결 방법을 명시적 지시해도 못 따름 3가지 다른 성격의 복잡도 영역(complexity regime)이 관찰됨
1. 낮은 복잡도: 추론모델이 아닌 즉답모델이 더 잘함
2. 중간 복잡도: 추론모델이 더 잘함
3. 높은 복잡도: 붕괴가 일어나며 둘다 0에 가까운 정확도
사용모델: DeepSeek V1/R3, Sonnet 3.7 thinking on/off

"나노입자가 들어간 썬크림을 써도 될까?"에 대해 LLM vs 구글검색 방식으로 20분간 조사해서 결론을 내리도록한 #논문
- Cognitive load(ICL, ECL, GCL 모두) 감소
- 근거 설명은 약해짐
- 찬성반대 비율은 같음
검색해서 정보를 취합하는 행위 자체에서 학습이 일어나는데 LLM은 이 기회를 빼앗음 내생각:
이런 걸 cognitive offloading(인지적 오프로딩. 더 좋은 용어 없나)이라고 부르는데, 이게 시간을 단축하지만 그 과정에서 일어나는 학습/훈련의 기회가 줄어들게 됨. LLM으로 기본개념 쉽게 배운 뒤 자료조사는 LLM을 차단해 고생스럽게 하도록 커리큘럼을 설계하는 등 정성이 들어가야 함