푸른강아지의 일상

에이전트마다 브랜치를 만들면 Git도 빨라질까 - GitHub가 바꾸는 잠금의 단위

에이전트마다 브랜치를 만들면 Git도 빨라질까 — GitHub가 바꾸는 잠금의 단위핵심 요약: GitHub는 저장소 전체 쓰기 직렬화를 참조별 직렬화로 좁히는 설계를 공개했습니다. 서로 다른 브랜치의 쓰기는 병렬화하되, 같은 참조의 순서는 지키는 접근입니다. 이는 에이전트를 늘리면 무조건 빨라진다는 뜻이 아니라, 실제로 충돌하는 상태와 독립적인 작업을 구분해야 한다는 뜻입니다.📌 AI가 코드를 쓰는 속도 뒤에 남는 대기열여러 코딩 에이전트에게 각자 브랜치를 주면 작업은 자연스럽게 병렬화되는 것처럼 보입니다. 서로 다른 파일을 고치고 각자의 브랜치로 push하니 간섭도 적을 것 같습니다. 하지만 작업 공간이 분리돼 있다는 사실과 저장소 서버가 쓰기를 동시에 처리한다는 사실은 다릅니다. 서버 내부에서 저장..

LiteLLM 공급망 침해 - 정상 소스를 확인해도 배포물을 믿을 수 없는 이유

LiteLLM 공급망 침해 — 정상 소스를 확인해도 배포물을 믿을 수 없는 이유핵심 요약: LiteLLM 1.107.0의 악성 wheel은 패키지를 직접 import하지 않아도 Python 시작 과정에서 실행될 수 있었습니다. 사고의 핵심은 코드 리뷰와 실제 설치물 사이의 단절입니다. 배포물의 출처 검증과 함께, 이미 실행된 환경의 자격증명·프로세스·복구 경계를 별도로 다뤄야 합니다.📌 코드는 정상인데 설치물은 악성이라면오픈소스 패키지를 도입할 때 우리는 저장소를 먼저 살펴봅니다. 공개 코드와 변경 이력이 멀쩡하면 설치 파일도 같을 것이라고 기대합니다. 그러나 LiteLLM 1.107.0 사건은 이 기대가 검증을 대신할 수 없다는 사례입니다. SafeDep과 Socket의 분석은 PyPI wheel에 ..

비정규직 38.5%, 미국 주급은 물가에 못 미쳤다 - 고용 숫자와 구매력을 나눠 읽는 법

비정규직 38.5%, 미국 주급은 물가에 못 미쳤다 — 고용 숫자와 구매력을 나눠 읽는 법핵심 요약: 한국의 8월 비정규직 비중은 38.5%로 높아졌고, 미국의 3분기 전일제 주급 중위값 증가율은 물가 상승률을 밑돌았습니다. 두 발표는 같은 현상의 증거가 아니라, 고용의 구성과 임금의 구매력을 따로 확인해야 한다는 신호입니다. 고령층 취업 확대를 모두 고용 악화로 볼 수도, 명목임금 증가를 곧 생활 개선으로 볼 수도 없습니다. 판단을 바꿀 조건은 연령별 일자리의 질과 가계의 실질 가처분소득이 함께 개선되는지입니다.📌 일자리가 있다는 사실만으로 생활은 나아질까요취업자가 늘었다는 뉴스와 생활이 빠듯하다는 이야기는 모순처럼 들립니다. 그러나 일자리의 개수는 한 달에 얼마를 벌고, 그 돈으로 무엇을 살 수 있..

COBOL 이전 97.9%와 코딩 회귀 16.3% 사이 — AI가 지켜야 할 것은 새 기능만이 아닙니다핵심 요약: OpenAI의 COBOL 이전 평가와 HumanLayer의 SlopCodeBench는 다른 과제와 분모를 사용합니다. 점수만으로 모순이나 모델 순위를 만들 수 없습니다. 두 자료를 함께 보면 더 유용한 질문이 생깁니다. 새 요구사항을 구현한 뒤에도, 이전에 맞았던 업무 동작이 계속 보존되는지 어떻게 확인할까요?📌 높은 이전 점수와 낮은 회귀 점수가 함께 존재하는 이유AI가 오래된 프로그램을 거의 완벽하게 옮긴다는 발표를 읽은 다음, 변경을 반복하는 코딩 평가에서는 전체 테스트를 통과하는 경우가 드물다는 결과를 보면 혼란스럽습니다. 어느 쪽이 틀린 걸까요? 꼭 그렇지는 않습니다. 같은 ‘코딩..

DeepInfer와 TorchTPU가 열어준 길 — 추론 엔진 공개와 하드웨어 이식성은 다릅니다핵심 요약: DeepInfer는 DeepSeek의 대규모 추론 구현을, TorchTPU는 PyTorch의 TPU 실행 경로를 공개합니다. 두 프로젝트는 같은 층의 경쟁 제품이 아닙니다. 모델 코드가 실행되는 것과 요청을 안정적으로 처리하는 것은 별개이며, 전환 여부는 커널·컴파일·상태 관리·운영 책임을 나눠 판단해야 합니다.📌 코드가 열렸는데, 왜 바로 서버를 바꿀 수 없을까요?AI 인프라 소식에서 ‘오픈소스’라는 말은 종종 도입 가능성까지 한꺼번에 설명하는 표현처럼 쓰입니다. 하지만 엔진 설계도를 받은 것과 승객을 태울 수 있는 운송 서비스를 확보한 것은 다릅니다. 엔진이 좋아도 배차, 대기열, 정비와 고장..

기름값을 묶으면 비용은 사라질까 — 석유 최고가격과 손실보전의 재정 청구서핵심 요약: 산업통상부는 10월 20일 석유 최고가격 손실보전의 심의 절차와 최종 책임을 설명했지만, 해당 자료에서 보전액 확정이나 지급 완료를 발표하지는 않았습니다. 소비자가격을 누르는 정책은 에너지 조달비용을 없애기보다 기업과 재정 사이의 부담 배분을 바꿀 수 있습니다. 유로지역의 에너지발 물가 상승은 비용 압력을 살펴볼 비교 사례이지 한국 보전액의 산정 근거는 아닙니다. 정책 평가는 가격 안정 효과와 함께 정산 기준·실제 지급·지원 종료 조건을 확인할 때 달라질 수 있습니다.📌 주유소 가격표 밖에도 청구서는 남습니다기름값이 덜 오르면 가계와 사업자의 숨통이 트입니다. 출퇴근 비용과 배송 원가가 급격히 뛰지 않는 것 자체가 중..

종료 코드가 0이어도 에이전트는 실패합니다 — Laminar와 Tines 사이에 필요한 ‘공개 전 검증’핵심 요약:Tines는 샌드박스의 파일 변경을 실행 성공 후 한꺼번에 공개하는 구조를 설명했습니다. Laminar flow-1은 정상 실행처럼 보이는 기록에서도 업무상 오류를 찾으려 합니다. 두 접근을 함께 보면 질문이 바뀝니다. ‘실행이 끝났는가’가 아니라 ‘이 결과를 다른 작업이 읽어도 되는가’를 누가 판단할까요?📌 저장에 성공한 잘못된 결과물에이전트가 계약서를 수정하고 정상 종료했습니다. 새 파일도 열리고 변경 이력도 남았습니다. 그런데 합의된 조건은 본문에 반영되지 않았습니다. 실행 시스템은 성공을 보고했지만 담당자는 다시 작업해야 합니다. 이때 문제는 파일 손상도 API 장애도 아닙니다. 기..

Timestral은 숫자를 예측하고 LLM은 설명합니다 — 시계열 AI의 성패는 ‘그때 알았던 데이터’에 달렸습니다핵심 요약:Timestral은 대화형 LLM이 아니라 수치 시계열을 예측하는 전용 기반 모델입니다.CPU 실행과 분위수 출력은 유용하지만, 작은 모델이라는 사실이 운영 정확도를 보장하지는 않습니다.LLM과의 분업에서 먼저 정할 것은 예측 시점에 이용 가능했던 입력, 시간순 검증, 결과 설명의 근거입니다.📌 숫자 예측까지 대화창에 맡겨야 할까요?트래픽 로그와 매출 기록을 AI에 넣고 다음 달 전망을 요청하는 일은 어렵지 않습니다. 문제는 그럴듯한 설명과 쓸 만한 예측이 같은 결과물이 아니라는 데 있습니다. 문장이 매끄러워도 오차가 클 수 있고, 숫자가 맞아도 왜 맞았는지는 설명하지 못할 수 ..

맞벌이인데 돌봄은 하루 1시간 43분 차이 — 고용정책이 ‘시간’을 봐야 하는 이유핵심 요약: 국가데이터처의 새 분석에서 2024년 기혼 유자녀 맞벌이 청년 여성은 남성보다 하루 가사·돌봄에 1시간 43분을 더 사용했습니다. 이는 취업 여부만으로는 일·가정 양립의 제약을 읽기 어렵다는 신호이지, 최근 청년 고용 부진의 원인을 입증한 결과는 아닙니다. 고용정책은 일자리의 수와 함께 돌봄 공백을 메울 수 있는 근무시간의 예측 가능성을 살펴야 합니다. 다만 실제 효과를 판단하려면 돌봄 이용과 근속·복귀가 함께 개선되는지 확인해야 합니다.📌 일자리가 있어도 일할 시간이 없을 수 있습니다채용 공고가 늘어나면 가계가 선택할 수 있는 일자리도 늘어날까요? 아이를 맡길 곳이 일찍 문을 닫거나 퇴근 시간이 갑자기 바뀐..

AI 코드 리뷰가 통과해도 남는 질문 — Sphinx와 PRAISE가 겨냥한 ‘유지보수할 사람의 이해’핵심 요약: 테스트·코드 리뷰·이해도 질문은 다른 문제를 검사합니다. Sphinx는 동작 예측을 연습하게 하고 PRAISE는 멘토링과 현업 학습을 연결합니다. 핵심은 질문 통과율이 아니라 AI가 줄인 구현 경험을 어떤 판단 연습으로 대체하느냐입니다.📌 코드가 맞는지와 내가 고칠 수 있는지는 다른 질문입니다테스트도 통과했고 AI 리뷰 지적도 모두 처리했습니다. 그런데 운영 중 재시도가 겹쳤을 때 왜 중복 결제가 생기는지 작성자가 설명하지 못합니다. 이 상황에서 부족한 것은 승인 버튼 하나가 아닙니다. 코드를 받아들인 사람이 실패 조건과 복구 방법을 배울 기회가 없었다는 점이 더 오래 남는 문제입니다.Sp..