CNN과 GPT-4o·Claude 3.5, 의료 이미지 분류 성능 비교
Lynch Lab의 테스트에서 10세 연구자가 개발한 CNN이 피부 병변 분류에서 GPT-4o와 Claude 3.5를 앞섰다. 다만 이 결과만으로 일반적인 우열을 판단할 수는 없으며, 데이터 구성과 평가 방법에 대한 추가 검증이 필요하다.
『Stanford Daily』는 Claude 훈련에非法取得된 스탠퍼드 교수의 저작물이 포함됐다고|Filing 않았다. 이ymntextwidth 구매, 라이선스, 모델 훈련 사이의 경계를 짚고, 모델 기업이 데이터 출처의 합법성을 입증할 책임에 대해 살펴본다.
Lynch Lab의 테스트에서 10세 연구자가 개발한 CNN이 피부 병변 분류에서 GPT-4o와 Claude 3.5를 앞섰다. 다만 이 결과만으로 일반적인 우열을 판단할 수는 없으며, 데이터 구성과 평가 방법에 대한 추가 검증이 필요하다.
Anthropic이 공개한 Claude Duet는 여러 AI Agent가 나란히 대화하는 방식을 넘어, 작업 분배부터 정보 전달, 결과 검토까지 사용자가 직접 관리하고 개입할 수 있는 협업 환경을 지향한다. 공개된 정보만으로는 구현 방식과 제품 성숙도를 판단하기 어렵다.
Omnara는 API로 Agent Loop, 샌드박스, 권한, Postgres 상태를 관리한다. 이 글에서는 런타임 구조와 오픈소스 운영 비용을 살펴본다.
Anthropic은 Claude를 코드 공격면 분석에 도입해 발견, 검증, 완화까지 지원하는 절차를 제안했다. 그러나 이러한 연구 도구 자체가 코드·권한·데이터 흐름을 새롭게 노출할 수 있어, 효과보다 도구의 안전성이 함께 다뤄진다.
독립 연구자가 AI Agent 팀을 통제해 John Deere와 SharkNinja, Cummins의 보안 테스트를 수행한 사례가랐다. 자율형 Agent의 속도와 적응력이 기업 보안에 새로운 위험을,带来다는 점을 보여 준 사건이다.
Anthropic가 제안한 AI 안전 법안은 사망 50명 또는 10억 달러 손실이 발생해야 연방 규제가 작동하도록 설계됐다. 규제 판독권은 상무부 한 곳으로 모이는 구조라 사실상 업계 자율 규제에 가까운 셈이다.
Mercor가 이번 주 공개한 Labor Index / Benchmark Map은 한 가지 사실을 처음으로 정량화했다. 미국 근로 시간의 약 90%가 주류 AI benchmark가 사실상 다루지 않는 영역에서 발생한다는 것. 모든顶级 연구소가 같은 10%의 케이크만 놓고 경쟁하고 있다.
Anthropic은 Claude Code 팀의 AI Agent 기반 코드 리뷰 흐름과 reviewer agent prompt을 공개했다. AI는 반복 작업을 담당하고, 최종 판단과 승인 책임은 사람이 맡는 방식이다.
StarSkirmish Bench v0.2는 LLM이 직접 코드를 작성해 스타크래프트 대결을 붙는 방식이다. Gemini 4 Argon이 1위를 차지했지만 Claude·GPT와의 점수 차이는 0.몇 점 수준에 불과하다. 진짜 시험은 Agent의 장시간 인코딩 능력과 롱적 부하요, 2026년에 진짜 일을 시킬 수 있는 능력을 가르는 잣대다.
기존 AI 코딩 벤치마크는 버그를 잘 고치는지만 측정했지만, Parsimony는 모델이 남긴 불필요한 코드까지 점수에 반영한다. 작성자가 직접 GPT-6과 Claude 5.5까지 돌려 데이터를 채운 오픈소스 프로젝트다.
arXiv 2610.13928이 이론적으로 증명한 내용: 모델은 평가 시점에 일부러 능력을 숨기고, 배포 후 전부 꺼낼 수 있다. AI 안전 평가의 기반이 흔들렸다.