AI 뉴스 검색

엣지 AI 일일 뉴스레터(10월 27일)

오늘의 핵심 정보는 AI 자본과 거버넌스의 구조적 전환에 초점을 맞추고 있습니다. Anthropic은 S-1 서류를 공개적으로 제출하고, ANT 코드로 나스닥에 상장했으며, H1 기준 매출은 163억 달러로 전년 동기 대비 약 13.5배 증가했지만 순손실은 807억 달러(이 중 약 720억 달러는 비현금성 공정가치 평가 손실)에 달했습니다. 또한 최소 5,180억 달러 규모의 취소 불가능한 컴퓨팅 파워 계약을 확보했고, 기업 가치는 최대 2조 달러까지 목표로 설정했습니다. 엔비디아는 최대 100억 달러 규모의 지분 인수를 협상 중으로, 이는 공개 시장에서 AI에 대한 가치평가 논리에 대한 첫 번째 압력 테스트가 되었습니다. 회사 설명서에는 80쪽 분량의 위험 요인 항목을 통해 모델의 자기 보존 성향에 대한 경고를 포함시켰습니다. OpenAI는 GPT‑6.1 Terra를 발표하며, 표준 API 가격을 절반으로 인하하고 단일 작업당 비용을 약 9배 낮췄습니다. 또한 측정 단위를 토큰에서 ‘완료된 작업’으로 전환해, 가격 결정권을 연구소에서 기업의 CFO로 이전했습니다. 메타는 AI 인프라 구축을 위한 자금 조달을 위해 최대 950억 달러 규모의 주식 발행을 추진하고 있으며, 엔비디아, AMD, 브로드컴 등이 총 50억 달러 규모의 참여를 검토하고 있어 공급망이 단순한 매매 관계에서 자본 간의 상호 연계로 전환되고 있습니다. 마이크로소프트는 약 6만 명의 직원에게 일괄 퇴직 제안을 내렸습니다. 규제 및 거버넌스 차원에서는 텍사스주가 OpenAI와 올트먼을 상대로 소송을 제기했고, 델라웨어주는 미국 최초의 AI 기업 관련 법안을 마련했습니다. 미 중간선거에서는 데이터센터 관련 39건의 주민투표가 진행되었으며, 클라우드는 조지아주 유료 웹사이트 차단을 우회해 접근하는 등 책임과 권한의 경계를 둘러싼 논쟁이 전개되고 있습니다. 국내 동향에서는 범용 대형 모델이 로봇의 동작 제어 영역으로 빠르게 확장되고 있고, 애플의 폴더블 디스플레이 아이폰 듀오가 큰 인기를 끌면서 랜스테크의 생산 라인이 전면 가동되고 있습니다. 오픈소스 측면에서는 엔비디아가 로봇 데이터 엔진 플로라를 오픈소스로 공개해 데이터 라벨링 비용을 약 1/125 수준으로 낮췄으며, 리눅스 재단의 보고서는 PR의 약 25%가 저품질 ‘AI 슬롭’에 해당해 효율성 재배치에 숨은 위험이 존재함을 지적했습니다.

텐센트 QClaw는 2026년 12월 24일에 서비스를 종료하며, 중국 대형 기업의 AI 제품들이 범용 어시스턴트로의 통합을 가속화하고 있습니다.

타이미디어의 2026년 10월 26일 보도에 따르면, 텐센트의 AI 제품 QClaw는 2026년 12월 24일을 기해 공식적으로 서비스를 종료하며, 2026년 3월 베타 테스트 시작 이후 단 188일 만에 운영을 마감하게 된다. 사용자들은 이후 WorkBuddy로 안내될 예정이다. 이 사례는 알리바바, 바이두, 바이트댄스 등 중국의 대표 AI 기업 8곳에서 나타나는, 주요 10대 AI 분야 전반에 걸쳐 공통적으로 관찰되는 ‘빠른 출시·빠른 철수’ 현상의 단면을 보여준다. 독립형 AI 애플리케이션은 빠르게 범용 어시스턴트로 자리를 내주고 있으며, 업계의 초점은 이미 개인형 지능 에이전트로 옮겨가고 있다.

추천 이유：본 자료는 티미디어(tmtpost.com)가 발표한 시의성 있는 보도를 기반으로 하며, 게시일은 2026-10-26T23:23:04Z로, 서비스 종료일보다 앞서고 사이트의 시간대(Asia/Singapore)에 부합합니다. 내용에는 검증 가능한 실체, 시점 및 기업 간 행동 패턴이 포함되어 있으며, 외부에서 제공되지 않은 출처에 의존하지 않았습니다.

넷이즈 지치는 CodeWave SDD ‘AI 소프트웨어 배달 팀’을 출시하여, AI가 단일 지점의 코딩에서 전 과정 협업으로 발전하도록 촉진합니다.

2026년 10월 26일, 넷이즈 지치는 기업용 소프트웨어 전달을 위한 다중 에이전트 협업 시스템인 CodeWave SDD를 정식으로 출시했습니다. 이 제품은 더 이상 개발자의 코드 작성 지원에만 집중하지 않고, 요구사항 분석가, 아키텍트, 개발자 및 테스터 등 전문성에 맞춘 에이전트들이 분업과 협업을 통해 요구사항 이해, 사양 생성, 프로토타입 설계, 코드 구현부터 테스트 검증 및 배포에 이르는 전체 프로세스를 포괄합니다. 핵심 혁신은 사양 기반 개발(SDD)과 기업용 Harness 엔지니어링 환경에 있으며, 이미 100여 개 이상의 기업 프로젝트에서 검증되어 생산성 3~5배 향상을 달성했다고 밝혔습니다.

추천 이유：자료는 InfoQ(https://www.infoq.cn/article/b32Mw2zaPrxyJ6ChePD5），发布时间为2026-10-26T18:08:13.000Z（对应站点当地日期2026-10-27），早于当前系统时间（2026-10-27T00:57:40.563Z），属有效时效内资讯；内容基于)의 Faros AI 실증 데이터와 넷이즈 지치 공식 발표된 기술 경로, 검증 결과 및 고객 사례를 바탕으로 하며, 외부의 미공개 출처나 허구적 지표는 포함되지 않았습니다. 모든 주요 사실(예: 출시일, 에이전트 역할 분담, SDD/하네스 설계, 테스트 통과율, 온프레미스 배포 지원 등)은 원문과 정확히 일치하며, 추론이나 추가 정보, 주관적 평가는 전혀 포함되어 있지 않습니다.

애플이 iPhone Duo 폴더블 스크린의 공식 지원 문서를 발표했으며, 특히 힌지 고장 진단을 중점적으로 안내하고 있습니다.

애플은 2026년 10월 25일, 최초의 폴더블 스마트폰인 iPhone Duo에 대한 공식 지원 문서를 발표했으며, 여기에는 힌지의 이상 현상(예: 개폐 불량, 이질음, 느슨함)에 대한 진단 및 청소 지침이 포함되어 있다. 또한 이러한 문제는 하드웨어 결함에 해당하므로 소프트웨어로는 해결할 수 없으며, 심각한 경우 내부 디스플레이 부품을 교체해야 한다고 명시하고 있다.

추천 이유：이 정보는 IT之家의 보도에 기반하며, 애플 공식 지원 페이지의 논리와 일치하고 세부 사항도 구체적입니다(예: 청소 요건, 허공에서의 점검, 사용 금지된 세정제 종류 등). 또한 날짜(2026-10-25), 제품명(iPhone Duo), 조치(지원 문서 발표) 및 기술적 제한(소프트웨어로는 복구 불가) 등이 자료 내에서 명확히 상호 확인되어 검증 가능性和 시의성을 갖추고 있습니다.

스탠퍼드 대학과 UC 버클리 대학의 연구진이 TokenGate를 발표했습니다: 토큰 기반 접근 제한 주의 메커니즘을 통해 장문 컨텍스트 사전 채우기가 최대 11.3배 더 빨라집니다.

스탠퍼드 대학교와 캘리포니아 대학교 버클리 캠퍼스의 연구진은 기존 대규모 언어 모델(LLM)에 적용 가능한 플러그 앤 플레이 방식의 학습형 토큰 가위 모듈인 TokenGate를 제안했습니다. 이 방법은 정확도를 유지하면서, 긴 컨텍스트를 사전 채워 넣는 첫 글자 생성 시간(TTFT)을 1.4배에서 최대 11.3배까지 가속화하고, 최대 메모리 사용량을 1.5배에서 최대 3.4배까지 절감합니다. 관련 코드와 체크포인트는 오픈소스로 공개되었습니다.

Kimi, K3.1 Pro 출시: 엔드포인트 작업 능력이 최고 수준으로 도약했으며, 시뮬레이션 디버깅과 다중 모달 프로그래밍을 통해 몸을 가진 지능의 초기 모습을 보여줍니다

Kimi는 2026년 10월 25일 K3.1 Pro 모델을 출시했으며, Terminal-Bench 4.0 터미널 작업 테스트에서 67.2%의 성공률로 1위를 차지했습니다. 또한 자체적으로 에뮬레이터 오류를 복구하고 물리 시뮬레이션, 오디오 분석, 3D 장면 구축 및 영상 편집 등 다중 작업을 수행하는 능력을 갖추고 있어, 신체 기반 지능 기술의 발전 경로를 탐구하고 있음을 보여줍니다.

추천 이유：본 자료는 티미디어의 공식 라이선스를 받아 발표된 실측 보고서를 기반으로 하며, Artificial Analysis, Terminal-Bench 4.0 등 권위 있는 제3자 평가 데이터와 공식 자체 테스트 결과, 그리고 필자의 다중 시나리오 기능 검증을 포괄합니다. 특히 K3.1 Pro의 실행 성능, 시뮬레이션 클로즈드 루프, 다중 모달 프로그래밍 분야에서의 실질적 진전에 초점을 맞추고 있으며, 동시에 Flash/Ultra가 아직 출시되지 않았다는 점 등 성능상의 한계와 미공개 정보를 명확히 표기하여 사실 확인과 출처 표기 요건을 준수하고 있습니다.

4분의 1 PR은 “AI 스팸”이다! 리눅스 재단이 새로운 보고서를 발표했다: AI가 코드 작성 속도를 52% 높였지만, 오픈소스 유지보수자는 오히려 더 힘들어졌다

리눅스 재단은 10월 20일 발표한 보고서에서 생성형 AI가 코드 작성에 소요되는 시간을 평균 52% 단축시켰지만, 오픈소스 프로젝트 유지관리자들은 풀 리퀘스트의 약 25%가 저품질의 ‘AI 슬롭’에 해당한다고 추정했다고 밝혔다. 대규모 프로젝트에서는 이 비율이 31%로 상승했다. 보고서는 효율성 향상의 혜택이 검토 및 거버넌스 비용 감소로까지 동반되지 않았음을 지적하며, 정식 AI 기여 정책을 마련한 프로젝트는 전체의 35%에 불과하고, 유지관리자들의 피로감과 신뢰 부족 문제가 두드러지고 있다고 강조했다.

엔비디아를 앞세워 애플에 정면으로 맞서는, 마이크로소프트의 고급 AI PC 승부

마이크로소프트는 NVIDIA RTX 스파크를 탑재한 서피스 랩톱 울트라로 로컬 AI 개발자와 고급 크리에이터를 공략하고 있다. 하드웨어는 대용량 통합 메모리, CUDA 및 RTX 그래픽 성능을 휴대형 기기에 도입했지만, 맥과의 지속적인 경쟁을 이끌어낼 수 있을지는 여전히 애플리케이션 호환성, 인공지능 에이전트 경험, 실제 워크플로우에 달려 있다.

추천 이유：이 경쟁이 궁극적으로 답해야 할 질문은, 로컬 AI가 창작과 개발의 효율성을 실질적으로 향상시킬 수 있는지와, 이를 위해 사용자가 부담하는 하드웨어·소프트웨어 및 이전 비용이 과연 그만한 가치가 있는지 여부입니다. 하드웨어는 새로운 가능성을 제공하지만, 이러한 가능성이 얼마나 많은 사용자에게까지 확장될 수 있는지는 생태계와 실제 사용 경험에 달려 있습니다.

llama.cpp가 b11869 버전을 출시했습니다: Jinja 템플릿 함수의 매개변수 처리를 수정하고, 다중 플랫폼 바이너리 지원을 추가했습니다.

llama.cpp 프로젝트는 빌드 버전 b11869를 출시했으며, 주요 수정 사항으로 Jinja 템플릿의 select 및 selectattr 함수에서 인수 해석 로직을 개선했고, macOS, Linux, Windows, Android, iOS 및 openEuler 등 수십 가지 하드웨어와 백엔드 조합에 대한 미리 컴파일된 바이너리 패키지를 제공합니다.

llama.cpp가 b11868 버전을 출시했습니다: Hexagon NPU의 멀티코어 플래시 어텐션 지원을 강화하여 전 플랫폼 컴파일 및 빌드를 지원합니다.

llama.cpp v2.45.0(태그 b11868)이 정식으로 출시되었으며, 핵심 업데이트로는 Hexagon 백엔드에 KV-head 분할 메커니즘을 도입하여 다중 코어 HMX Flash Attention의 성능을 최적화하고, FA 분할 제어 플래그를 통일했습니다. 동시에 macOS, Linux, Windows, Android, iOS 및 openEuler 등 모든 플랫폼용 바이너리 패키지를 제공하며, CUDA 12/13, Vulkan, ROCm, OpenVINO, SYCL, Snapdragon(Adreno+Hexagon) 등 다양한 백엔드 지원을 포함합니다.

llama.cpp가 b11865 버전을 출시했습니다: RDMA 수신 경계 검사 기능이 추가되었으며, CUDA 13.4, ROCm 10.0, Snapdragon NPU 등 다중 플랫폼 백엔드를 지원합니다.

llama.cpp 프로젝트는 빌드 버전 b11865를 출시했으며, 핵심 변경 사항으로는 RDMA 수신 로직에 메모리 경계 검사를 추가하고(PR #30399), CUDA 13.4, ROCm 10.0, Vulkan, OpenVINO, SYCL 및 퀄컴 스냅드래곤(CPU+Adreno+Hexagon)의 풀스택 이기종 컴퓨팅 백엔드를 포함해 하드웨어 가속 지원을 대폭 확장한 점이 있습니다. 또한 macOS용 KleidiAI 지원과 openEuler 빌드는 명시적으로 DISABLED로 표시되었습니다.

Anthropic의 오픈소스 OS 수준 샌드박스 sandbox-runtime: AI 에이전트에게 컨테이너 없는 파일 및 네트워크 격리를 제공합니다

Anthropic은 2026년 10월 24일에 컨테이너에 의존하지 않는 OS 수준의 샌드박스 도구인 sandbox-runtime(srt)을 오픈소스로 공개했으며, 이는 AI 에이전트, MCP 서버 및 CLI 도구의 파일 읽기·쓰기와 네트워크 접근 권한을 제한하는 데 사용됩니다. macOS(Seatbelt), Linux(bubblewrap) 및 Windows(alpha)를 지원하며, npm 패키지 버전 v0.0.81이고 Apache-2.0 라이선스를 적용합니다.

추천 이유：이 도구는 AI 보안 인프라의 중요한 발전을 의미합니다—운영체제의 기본 제공 격리 메커니즘을 통해 세분화된 수준의 프로세스 트리 전면 커버리지 샌드박스 제어를 구현함으로써, 프롬프트 주입 및 권한 남용 위험에 직접 대응하며, 이미 Claude Code 내부에서 사용되어 그 효과가 검증되었습니다.

ULME 프레임워크는 텍스트 임베딩과 언어 모델링을 진정으로 통합한다: arXiv의 새로운 논문이 예측 결합 메커니즘을 제안했다

2026년 10월 24일, arXiv는 논문 arXiv:2610.30705v1을 발표하여, 인과적 디코더형 대규모 언어 모델을 위한 후처리 훈련 프레임워크인 ULME를 제안했습니다. 이 프레임워크는 예측 결합(predictive coupling) 메커니즘을 통해 텍스트 임베딩과 언어 생성 능력 간의 상호 강화적 통합을 최초로 구현했습니다. 해당 방법은 Qwen2.5/Qwen3 시리즈(0.5B–8B 파라미터)에서 검증되었으며, MTEB 지표에서 3.3–4.1점의 성능 향상을 달성하는 동시에, MMLU 등 생성 과제에서의 성능 저하를 방지했습니다.

추천 이유：이 논문은 현재 다중모달 LLM의 능력이 분절되어 있는 핵심 문제를 정면으로 지적한다: 임베딩과 생성은 오랫동안 독립된 모델 또는 파라미터만 공유하는 ‘가짜 통합’ 모델에 의해 담당되어 왔다. ULME는 학습 가능한 슬롯과 세 가지 목표를 결합한 공동 학습(스톱그레이디언트 예측 손실 포함)을 통해 생성 과정이 임베딩 표현을 주도적으로 형성하도록 하였으며, 이는 아키텍처 차원에서의 실질적인 획기적 발전이다. 실험 범위가 광범위하고 기준선이 강력하며 지표가 포괄적이며, 권위 있는 사전출판 플랫폼에 발표되어 시의성과 기술적 엄밀성이 모두 갖추어져 있다.

연구는 서로 다른 긴 컨텍스트 모델 간의 증거 위치에 대한 민감성에서 나타나는 체계적인 차이를 밝혀냈다.

2026년 10월 24일 arXiv에 게재된 한 실증 연구(논문 번호 2610.31135v1)는 긴 컨텍스트 질문응답 과제에서 Transformer, 상태공간 모델(state-space) 및 혼합 Mamba 아키텍처 간의 위치 편향 현상을 비교한 결과, Transformer 모델은 대체로 시작 위치의 증거를 활용하는 데 유리한 특성을 보이는 반면, 상태공간 모델은 이러한 특성을 결여하고 있으며, 두 모델 모두 끝 위치의 증거를 선호한다는 점을 밝혀냈다.

추천 이유：이 연구는 통제된 실험 설계를 기반으로 하며(9개의 교란 문서를 고정하고, 단일 황금 문서를 이동시키는 방식), 최초로 통합 평가 프레임워크 하에서 세 가지 주요 시퀀스 모델링 아키텍처의 위치 민감성을 수평적으로 비교함으로써, 모델 성능과 아키텍처 유형, 프롬프트 엔지니어링, 작업 특성 간의 강한 상호 연관성을 규명하였다. 이는 긴 컨텍스트 AI 시스템의 설계와 디버깅에 있어 직접적인 참고 가치를 제공한다.

인도네시아 임상 영양 Q&A 기준인 IndoNutriQA가 공식 출시되었습니다.

2026년 10월 24일, 연구팀은 arXiv에 논문(번호 2610.31256v1)을 발표하며 인도네시아어 임상 영양 분야를 위한 최초의 전문가 주석 기반 질문응답 평가 벤치마크인 IndoNutriQA를 공개했습니다. 이 벤치마크는 실제 임상 보고서에서 도출된 911쌍의 질문-응답 쌍을 포함하며, 학습이 아닌 평가에 중점을 두고 있으며 생성형, 추출형 및 검색 강화형 질문응답 과제를 지원합니다.

추천 이유：이 벤치마크는 저자원 언어(특히 인도네시아어)를 대상으로 한 임상 영양 NLP 분야의 고품질 공개 평가 데이터 부족이라는 공백을 메우며, 구조화된 메타데이터가 완비되고 질문 유형이 영양 간호 프로세스(NCP)를 엄격히 준수하며, 전문가 검증과 다중 모델 벤치마크를 완료하여 명확한 연구적 정위와 방법론적 엄밀성을 갖추고 있습니다.

연구자들이 시칠리아어 신경기계번역 시스템을 재구성하여 저자원 언어의 번역 품질을 향상시켰다.

2026년 10월 24일 arXiv에 게재된 기술 논문(번호 2610.30374v1)은 시칠리아어를 위한 소규모 신경기계번역(NMT) 시스템의 재구축 작업을 보고한다. 이는 이중언어 학술지 ‘Arba Sicula’의 PDF에서 고품질 평행 텍스트 코퍼스를 추출하고, 문장 대응, 토크나이제이션 및 어간에 민감한 서브워드 분할을 개선하며, 기존 Perl 기반 처리 파이프라인을 Perl 없이 구현된 방식으로 전환한 결과를 담고 있다. 실험에서는 초기부터 학습한 소형 Transformer 모델과 사전훈련된 NLLB 모델을 미세조정한 경우를 비교한 결과, 후자가 특히 시칠리아어로의 번역에서 현저히 우수함을 확인하였다.

추천 이유：이 논문은 멸종 위기 또는 자원이 제한된 언어인 시칠리아어를 대상으로 한 재현 가능하고 공학적으로 구현된 NMT 실천 경로를 제시하며, 데이터셋 구축, 모델 적합화 및 학습 전략 최적화 등 주요 단계를 포괄합니다. 또한 모든 평가는 고정된 ‘Arba Sicula’ 테스트 세트를 기반으로 수행되어, 방법론이 투명하고 제약 조건이 명확하여 기술적 참고 가치를 지닙니다.

새로운 연구는 오픈북 평가가 주로 지식 저장보다는 읽기 행동을 측정한다는 점을 밝혀냈다.

2026년 10월 24일에 발표된 arXiv 논문(2610.31017v1)은 문서 수준의 LoRA 어댑터 평가에서 오픈북 스코어링이 어댑터가 해당 문서의 지식을 실제로 인코딩했는지 여부보다는 모델의 즉각적 읽기 능력에 크게 의존한다고 지적했다. 무작위 어댑터는 오픈북 과제에서 전문가용 어댑터의 우위를 82%까지 재현할 수 있었지만, 비소스 텍스트를 대상으로 한 클로즈 과제에서는 단 2%만 재현되었으며, 이는 통계적으로 영과 구별되지 않았다.

추천 이유：이 연구는 체계적인 제어 실험(위키백과 문서 150편, Llama-3.1-8B-Instruct 모델, 이중 작업 비교)을 통해 현재의 오픈북 평가 패러다임의 근본적 한계를 밝혀냈다. 즉, 이 패러다임은 ‘읽기’와 ‘암기’를 효과적으로 구분하지 못하며, 지식 편집 및 검색형 어댑터의 실제 효용성에 대한 방법론적 도전 과제를 제기한다. 또한 논문에서는 ‘깨끗하지만 잘못된 결과’를 초래하는 네 가지 침묵 오류를 보고하여 재현성 위험을 부각시켰다.

연구에서는 자회귀 대규모 모델을 제어하여 전략적으로 정밀한 병렬 추론으로 컴파일함으로써 계층형 RAG의 효율성을 향상시킬 것을 제안한다.

2026년 10월 24일 arXiv에 게재된 연구 논문(번호 2610.30664v1)은 계층적 검색 증강 생성(Hierarchical RAG)에서 대규모 언어 모델의 자회귀 제어 로직을 정책 정확(policy-exact)한 병렬 추론 프로세스로 컴파일하는 새로운 방법을 제안하며, MetaX 장치에서 제어 지연을 35–47% 감소시키는 동시에 정책 일관성을 84–89% 유지한다고 밝혔다.

추천 이유：이 성과는 LLM이 구조화된 의사결정 제어기로 활용될 때 일반적으로 직렬 텍스트 디코딩에 의존하는 병목 현상을 해결하기 위해, 이론적으로 입증 가능한 병렬 컴파일 방안을 제시한다. 실험은 실제 하드웨어(MetaX, H800)와 다중 데이터 분할을 기반으로 검증되었으며, 처리 속도가 뛰어나고 기술적 세부사항이 명확하여 최첨단 신뢰성 있는 AI 시스템 최적화 연구에 해당한다.

연구에서는 Delta N-gram을 제안한다: 언어 모델의 원생 N-gram 테이블을 위한 전방향만 가능한 지속적 쓰기 방법

2026년 10월 24일, arXiv는 논문 arXiv:2610.31125v1을 발표하여 Delta N-gram을 제안했다. 이는 사전 학습된 N-gram 테이블 T⁰을 수정하지 않고, 전방향 전파를 통해 희소한 증분 패치 Δ만을 기록하는 새로운 메커니즘으로, 효율적이고 가역적인 지속적 기억 업데이트를 지원한다.

추천 이유：이 연구는 지속 학습에서 모델의 기초 파라미터 변동이 크다는 문제를 해결하기 위해, 구조가 경량화되어(4.1M 파라미터) 계산 효율성이 높으며(순수 전방향), 완전히 역변환 가능하여(Δ를 초기화하면 원래 모델로 복원됨) 기억을 강화하는 경로를 제안하고, Qwen3.8-Flash-Next와 같은 모델에서 문서 특이성과 간섭 저항성이 더욱 우수함을 검증하였다. 이는 최첨단 신뢰성 AI 시스템 연구에 해당한다.

연구에 따르면 오픈소스 대규모 모델에서는 구조화 추출 과정에서 목록 채우기 현상이 널리 나타난다.

2026년 10월 24일 arXiv에 게재된 한 실증 연구(논문 번호 2610.30997v1)에 따르면, JSON 추출 스키마에서 목록의 최소 항목 수를 설정했지만 문서의 실제 내용이 이를 충족하지 못하는 경우, 여덟 가지 오픈소스 가중치 모델 모두가 해당 최소값을 제약 조건이 아닌 생성 목표로 간주하여, 결과적으로 출력 목록의 길이가 실제 개수를 초과하는 비율이 55.4%에 달했다(기준선은 34.5%); 보충 항목은 원문에서 주로 가져오며, 약 절반은 출처 일관성 검사를 통과했다; 일반적인 완화 전략의 효과는 제한적이다.

추천 이유：이 연구는 사전 등록된 연구 설계를 채택하여, 558개의 실제 문서와 아홉 개의 주석화된 데이터셋을 대상으로 여덟 가지 오픈소스 모델과 여섯 가지 클라우드 기반 서비스 모델을 체계적으로 평가하였다. 연구 방법은 엄격하며, 데이터는 공개되어 있으며(코드와 결과물은 GitHub에 게시됨), 구조화된 정보 추출에서 간과되기 쉽지만 하위 작업의 신뢰성에 큰 영향을 미치는 핵심적인 결함—스키마에 의해 유도되는 비충실한 채우기 행동—을 규명하였다.