오늘의 브리프
타임라인
TODAY TLDR
OpenAI는 실험실 일상 분석을 재는 BioBasicsBench를 냈고, DeepMind는 AI 에이전트로 구형 RSA-1024 약점 둘을 공개했다. Anthropic은 과학 모델을 AI가 짤 때 ‘대안 분포’가 필요하다고 썼고, FMF는 사이버 Jailbreak 등급 기준을 내놨다.
OpenAI
OpenAI가 바이오 회사 Ligo와 함께, 실험실에서 매일 하는 분석 100개로 만든 BioBasicsBench를 냈다.
젤·콜로니 접시·현미경·장비 데이터 같은 날것 자료를 보고, 오류를 찾고, 근거가 부족하면 그렇게 말하는지를 본다.
추론을 많이 쓰게 한 설정에서 GPT-6 Astra는 평균 66.7%를 받았다. GPT-5.6 Sol은 43.8%였다.
왜 연구 가속은 화려한 발견보다, 실험실 일상 판단을 덜 틀리게 하는 데서 시작한다.
Google DeepMind
Google DeepMind가 사람 지도 아래 AI 에이전트로, 이미 퇴역한 1024비트 RSA에서 큰 약점 두 가지를 찾았다고 밝혔다.
서명 블록의 절반 이상을 공격자가 통제하면 패딩이 사실상 보호를 못 한다고 했다. 여러 키를 한꺼번에 부술 때의 평균 비용도 이전 방식보다 약 30배 싸졌다고 했다.
지금 쓰는 2048비트 이상 RSA는 그대로 안전하다고 못 박았다. 결과는 논문으로도 공개했다.
왜 암호 ‘단단함’을 고정값으로 두면 안 된다. AI가 가정 검증을 훨씬 빨리 돌리기 시작했다.
Anthropic
Anthropic 사이언스 블로그에, AI가 과학 모델을 만들고·맞추고·해석하는 과정을 돕는 글이 올랐다.
튜빙겐 연구진이 쓴 게스트 글로, 호지킨–헉슬리 신경 세포 모델을 예로 든다.
데이터에 맞는 식 하나만 내놓으면 부족하다고 했다. 버려진 대안까지 보여줘야 이해가 생긴다고 썼다.
왜 과학용 AI를 ‘정답 생성기’로 쓰면 통찰이 빠진다. 어떤 설명이 살아남는지가 핵심이다.
OpenAI
OpenAI가 보안 회사 Hacktron과 손잡고, 자사 시스템의 취약점을 함께 찾겠다고 발표했다.
특히 OpenAI 서비스가 외부 서비스와 맞닿는 지점을 우선 본다고 했다.
Hacktron에는 Daybreak Red를 통해 최전선 모델 접근을 더 열어 줬다.
왜 남을 지키는 보안 모델을 키우는 만큼, 자기 집 문도 AI 보안팀과 같이 두드려 보겠다는 뜻이다.
Frontier Model Forum · OpenAI
Frontier Model Forum이 사이버 관련 Jailbreak(보호장치 우회)의 위험도를 매기는 프레임워크 1.0을 냈다.
능력 이득·범위·배포 쉬움·발견 쉬움 네 축으로 나눠, 같은 우회라도 위험 등급을 통일하자고 했다.
OpenAI·Anthropic·Google DeepMind·Microsoft·Amazon이 지지를 밝혔고, 12월 21일까지 공개 의견을 받는다.
왜 우회가 전부 같은 사건이 아니다. 어디에 먼저 패치를 넣을지 공통 언어가 생겼다.
Casey Newton · Platformer
Casey Newton이 중간선거 뒤 민주당이 데이터센터·AI 가속에 대한 반감을 등에 업었다고 썼다.
그래도 소셜미디어 때처럼 목표·플랜B·연대 없이 화만 내면 규제가 공전할 수 있다고 경고했다.
같은 글에서 METR가 Anthropic 발전 속도가 약 두 배라고 본 점도 짚었다.
왜 표는 났는데 법이 안 나오면, 다음엔 법원과 주 단위로만 흘러간다.
Hard Fork · NYT
NYT Hard Fork가 11월 6일 에피소드에서 테크 억만장자 정치 자금이 중간선거에서 먹히지 않은 이유를 다뤘다.
반 AI·반 데이터센터 정서와 실리콘밸리 ‘테크 라이트’ 균열을 주제로 올렸다.
게스트로 정치·테크 쪽 목소리를 불러, 앞으로 AI 규제가 어떻게 흐를지 짚었다.
왜 인프라 반감이 이제 팟캐스트 메인 이슈다. 여론이 제품 로드맵보다 허가·입지를 먼저 흔든다.
Latent Space
Latent Space가 Helmholtz Munich의 Fabian Theis를 불러, 가상 세포가 지도 그리기를 넘어 예측·제어로 가는 이야기를 들었다.
지금 섭동(perturbation) 예측 벤치가 너무 쉬운 문제라서, 복잡한 모델이 설 자리가 없다고 Theis는 본다.
Biohub 규모 데이터와 다중 스케일 측정이 열린 지금이, 알고리즘을 키울 타이밍이라고 말했다.
왜 바이오 AI 관심이 분자 설계에 쏠려 있을 때, 시스템 생물학 쪽 숙제를 다시 중앙에 올려 둔다.