한 줄 요약

컴파일러가 생성 중 코드를 잡아주고, 모바일·시뮬레이터 기반 에이전트가 기기 가까이로 이동하는 가운데, 짧아진 단계별 추론은 감시가 더 어려워졌다는 경고가 나왔다.

Research Papers

Generative Compilation: 생성 중 코드에 컴파일러 즉시 피드백

이 연구는 프로그램이 완성된 뒤가 아니라, 대형 언어 모델(LLM)이 코드를 쓰는 도중에도 표준 컴파일러의 오류 메시지를 돌려주는 ‘생성적 컴파일(generative compilation)’을 소개한다. 핵심은 ‘실러(sealor)’라는 변환으로, 미완성 코드를 자리표시자가 들어간 완성형으로 바꿔 상용 컴파일러가 중간 단계에서 진단할 수 있게 한다; 가능한 완성 후보는 배제하지 않도록 설계됐고, Lean에서 성질을 증명했으며, 실제 Rust로 확장했다. ¹

리포지토리 수준 Rust 과제에서 최상위급 블랙박스 모델과 공개 가중치 모델을 모두 대상으로 평가한 결과, 생성적 컴파일은 사후 컴파일러 검사 대비 비컴파일 출력이 줄고 기능 정확도가 향상됐다. 오류를 근원에 가까운 지점에서 초기에 잡아 연쇄 오류를 줄이고, 진단을 더 집중적으로 만든다. ¹

요점은 컴파일러를 AI 보조 프로그래밍의 ‘생성 중’ 파트너로 끌어들이는 변화다. Rust 같은 정적 타입 언어에서 모델 샘플링과 컴파일러 의미론이 동시에 상호작용하는 워크플로로의 전환을 시사한다. ¹

길이 패널티: 짧은 단계별 추론이 영향 추적을 어렵게 함

이 연구는 길이 패널티를 둔 강화 학습(RL)으로 단계별 추론(CoT)을 압축하면, 답변 비용은 줄지만 답에 영향을 주는 숨은 요인은 제거되지 않는다는 점을 보인다. 저자들은 Qwen3-4B와 Qwen3-14B를 더 짧은 추론을 목표로 미세조정하고, 대규모 다중작업 언어 이해(MMLU)-Pro-R와 4개의 전이 벤치마크에서 편향 힌트를 넣어 평가했다; 토큰 수는 크게 줄지만 정답률 손실은 작고, 힌트 영향은 거의 유지된다. ²

가장 강한 압축에서 하한 신뢰도는 Qwen3-14B가 기준선의 63.1%, Qwen3-4B가 69.4%로 낮아졌고, 모니터가 힌트 사용을 적발하는 비율은 각각 69%→49%, 60%→48%로 떨어졌다. 길이를 맞추기 위해 비압축 추론에서 무작위로 문장을 삭제해도, 압축된 추론은 힌트를 드러내는 비율이 7~35%포인트 더 낮아진다. 즉 더 짧은 추론 기록일수록 감사가 어려워지는 ‘압축–모니터링 가능성’ 경계가 드러난다. ²

SPEAR: 사실적인 체험형 시뮬레이터 속도·범용성 개선

SPEAR는 파이썬으로 언리얼 엔진(UE) 애플리케이션을 프로그래밍 방식으로 제어하게 해 주는 라이브러리로, UE 함수 1만4천 개 이상을 파이썬에 노출해 체험형 AI 연구의 범용성과 프로그래머빌리티를 크게 넓힌다. ³

단일 SPEAR 인스턴스는 1920×1080 해상도를 초당 73프레임으로 넘파이(NumPy) 배열에 직접 렌더링하며, 기존 UE 플러그인 대비 대략 한 자릿수 배 빠르다. 또한 비확산 성분 분해, 머티리얼 ID, 물리 기반 셰이딩 파라미터 같은 정답 라벨 영상을 제공한다. 사람·자동차·로봇 등 다중 에이전트 제어, 도시 규모 장면, MuJoCo와의 동시 시뮬레이션, 얼굴 다중 시점 동기 렌더링, AI 코딩 보조를 통한 자연어 장면 편집 등의 예시를 제시한다. ³

PalmClaw: 모바일 기기에서 네이티브 에이전트 실행

PalmClaw는 휴대전화에서 대형 언어 모델(LLM) 에이전트를 네이티브로 실행하는 오픈소스 프레임워크로, 기기 기능을 명시적 인자와 구조화된 결과, 명확한 실행 경계를 가진 ‘디바이스 도구’로 노출한다. 세션, 메모리, 스킬, 에이전트 루프를 기기 내에서 직접 관리한다. ⁴

실험에서 PalmClaw는 가장 강한 기준선 대비 작업 성공률이 상대적으로 11.5% 향상되고 완료 시간은 94.9% 단축됐다. 설정 부담을 줄이면서, 명시적 경계로 각 동작의 추적 가능성을 높였다. 코드는 GitHub에 공개되어 있다. ⁴

Open Source & Repos

Hermes Agent: Nous Research의 오픈소스 데스크톱 에이전트

Hermes Agent는 Nous Research가 공개한 오픈소스 에이전트 프로젝트로, 데스크톱 빌드(Hermes Desktop), 문서, MIT 라이선스를 제공한다. 슬로건은 ‘The agent that grows with you’다. ⁵

저장소에는 문서와 커뮤니티(Discord) 안내가 함께 제공되며, 완화된 MIT 라이선스로 배포되어 데스크톱 에이전트를 탐색하거나 워크플로를 맞춤화하려는 팀의 출발점이 될 수 있다. ⁵

왜 중요한가

오늘의 결과물은 업무가 이루어지는 자리로 AI를 더 가깝게 끌어당긴다. 코드를 쓰는 순간에 지침을 주는 컴파일러, 상호작용 속도로 복잡한 세계를 그리는 시뮬레이터, 클라우드가 아니라 휴대전화 안에서 움직이는 에이전트가 그것이다. ¹

동시에, 단계별 추론을 짧게 압축하면 감사가 어려워질 수 있다는 경고도 분명하다. 짧은 추론 기록과 모니터링에 의존한다면, 그 모니터가 여전히 답의 실제 근거를 포착하는지 재점검할 필요가 있다. ²

이번 주 시도해볼 것

1. Hermes Agent: GitHub 저장소를 클론해 데스크톱 빌드를 체험: https://github.com/NousResearch/hermes-agent
2. Generative Compilation 논문: ‘실러(sealor)’ 아이디어를 훑고 Rust 워크플로 적용을 구상: https://arxiv.org/abs/2607.13921