[AI 데일리] 2026-11-09 — AI가 18년 난제를 증명하고, 앤트로픽은 발전기를 사고, LG는 API를 무료로 풀었다

이미지
AI DAILY · 2026-11-09-3 오늘은 앞선 글에서 다루지 않은 소식 위주로 골랐습니다. AI가 18년 된 양자 복잡도 난제의 증명을 썼다는 발표 , 앤트로픽이 데이터센터용 발전기를 대규모로 확보했다는 보도 , LG의 K-엑사원 2.5 API 무료 개방 , 그리고 로봇 추론을 빠르게 하는 엔비디아의 V플래시 까지, 2026년 11월 9일 기준으로 핵심만 짚어 봅니다. 📰 오늘의 핵심 PSI, 비공개 앤트로픽 모델로 양자 난제 '아론슨-암바이니스 추측' 증명 발표 앤트로픽, 1.7GW 규모 가스 발전기 약 34억 달러 계약 보도 LG AI연구원, K-엑사원 2.5 API 전면 무료 개방 엔비디아 V플래시, 로봇 시각 계획 추론 최대 5.1배 가속 1 PSI, 비공개 앤트로픽 모델로 18년 묵은 양자 난제를 증명했다고 발표 AI 물리학 스타트업 피지컬 슈퍼 인텔리전스(PSI)가 6일(현지시간) 양자 복잡도 분야의 난제인 아론슨-암바이니스 추측 의 완전한 증명을 도출했다고 밝혔습니다. 연구 시작 사흘째에 증명 초안이 나왔고, 수학 검증 도구 린 4(Lean 4)의 검증도 통과했다는 설명입니다. 이 결과는 구조가 없는 무작위 입력에서는 일반 컴퓨터도 양자 알고리즘의 출력을 비교적 적은 횟수의 데이터 조회로 근사해 예측할 수 있다는 내용입니다. 스탠퍼드대 연구진은 이를 검토한 뒤 "여러 연구 흐름을 하나로 결합한 증명"이라고 평가했다고 보도됐습니다. 💡 왜 중요한가 모델 개발사가 아닌 외부 연구 조직이 자체 연구 시스템과 최첨단 모델을 결합해 수학 연구 성과를 냈다는 점이 눈에 띕니다. ⚠️ 알아둘 점 사용한 모델명과 접근 경위는 공개되지 않았고, 논문 전체가 형식 검증된 것은 아니어서 전문가의 추가 검토가 필요합니다. 또 이 결과가 양자 컴퓨터가 일반 컴퓨터보다 빠를 수 없다는 뜻은 아니며, 쇼어 알고리즘처럼 구조를 활용하는 문제의 우위는 그대로입니다. 📎 출처: AI타임스 - PSI ...

[AI 데일리] 2026-11-09 — AI가 암호를 파고들고, 에이전트 백도어가 경고받다

[AI 데일리] 2026-11-09 — AI가 암호를 파고들고, 에이전트 백도어가 경고받다

AI DAILY · 2026-11-09

이번 주 AI 업계에서는 AI가 암호 분석까지 파고든 구글의 연구, 학습 데이터 0.1% 오염만으로 에이전트에 백도어를 심을 수 있다는 경고, 그리고 "긴 컨텍스트가 꼭 필요한 건 아니다"라는 엔비디아의 연구가 눈에 띕니다. 2026년 11월 9일 기준으로 핵심만 정리했습니다.
📰 오늘의 핵심
  1. 구글 딥마인드, AI로 구형 RSA 암호 약점 두 가지 규명
  2. 학습 데이터 0.1% 오염만으로 에이전트 백도어 가능
  3. 엔비디아 "LLM에 긴 컨텍스트가 꼭 필요하진 않다"
  4. 오픈AI, 실험실 데이터 해석 벤치마크 BioBasicsBench 공개

1구글 딥마인드, AI 에이전트로 구형 RSA 암호의 약점 두 가지 규명

자물쇠를 여는 AI 로봇 손

구글 딥마인드가 6일(현지시간) AI 에이전트를 활용한 1024비트 RSA 암호 분석 성과를 공개했습니다. 첫 번째는 디지털 서명 패딩의 취약점입니다. 공격자가 서명 블록의 절반 이상을 통제할 수 있다면 패딩이 추가 보호를 주지 못한다는 점을 확인했습니다. 두 AI 에이전트가 협력해 기존에 약 5개월 걸린 계산을 병렬 연산으로 약 4일 만에 재현했다고 합니다.

두 번째는 여러 키를 한꺼번에 인수분해하는 새 알고리즘입니다. 이론상 추가 키 하나당 비용이 기존 일괄 기법보다 약 30배 낮아질 수 있다고 설명합니다.

💡 왜 중요한가
암호 체계의 안전성을 검증하는 속도가 AI 덕분에 크게 빨라질 수 있다는 신호입니다.
⚠️ 알아둘 점
대상은 이미 권장되지 않는 1024비트 RSA이고, 2048비트 이상을 쓰는 현대 암호 체계의 안전성에는 영향이 없다는 것이 구글의 설명입니다.

📎 출처: AI타임스 - 구글 AI, 구형 RSA 암호 약점 2건 발견

2학습 데이터 0.1%만 오염돼도 에이전트에 백도어가 심어진다

데이터 흐름 속에 숨은 붉은 오염 문서

앤트로픽 등이 참여한 공동 연구진이 지난달 27일 공개한 논문은 사전 학습 데이터의 0.1%만 조작해도 CLI 기반 AI 에이전트가 특정 조건에서 외부 스크립트를 내려받아 실행하는 명령을 생성하게 만들 수 있다고 보고했습니다.

이 백도어는 정상 데이터로 미세조정, 선호도 최적화, 강화학습을 거친 뒤에도 사라지지 않았습니다. 트리거가 없을 때는 정상 모델과 성능이 거의 같아 일반 평가로는 찾기 어렵습니다.

💡 왜 중요한가
공격자가 개발사 내부에 침입하지 않고 공개 웹 문서만 조작해도 된다는 점이 핵심입니다. 연구진은 샌드박스, 최소 권한 원칙, 명령 허용 목록, 중요 작업의 사람 승인 같은 실행 단계의 통제를 권고했습니다.
⚠️ 알아둘 점
실험은 최대 40억 매개변수 모델까지였고, 수치는 "의도한 명령을 생성했는가"를 본 것이지 실제 시스템 침해 성공률이 아닙니다.

📎 출처: AI타임스 - AI 학습 데이터 0.1%만 조작해도 에이전트에 원격 코드 백도어

3엔비디아 연구진 "긴 컨텍스트가 꼭 필요하진 않다"

긴 텍스트가 작은 결정으로 압축되는 모습

엔비디아 연구진이 지난 3일 공개한 연구는 컨텍스트 창을 계속 키우기보다 대화 기록을 압축하거나 필요한 부분만 검색해 읽는 방식으로도 상당수 작업의 성능을 유지할 수 있다고 주장합니다.

H100 환경에서 Qwen3 Coder Next의 컨텍스트 한도를 256K에서 16K로 줄이자 서버의 토큰 처리량이 7배 늘었습니다. 클로드 오퍼스 4.5는 16K 한도에서 다중 문서 질의응답(LOONG) 점수가 전체 입력 때보다 오히려 9.2%포인트 높았습니다.

💡 왜 중요한가
에이전트 운영 비용을 줄이는 현실적인 방향을 보여줍니다.
⚠️ 알아둘 점
모든 모델에 통하지는 않았습니다. Qwen3 Coder Next는 SWE-벤치 베리파이드에서 53.0%에서 3.6%로 급락했고, 연구진도 긴 문맥이 유용한 작업이 있음을 인정했습니다.

📎 출처: AI타임스 - 엔비디아 "LLM에 긴 문맥 꼭 필요하지 않아"

4오픈AI, 실험실 데이터 해석 벤치마크 'BioBasicsBench' 공개

AI가 실험 데이터를 분석하는 바이오 연구실

오픈AI가 실제 생명과학 실험의 원시 데이터를 다루는 100개 과제로 구성된 벤치마크를 공개했습니다. 'xhigh' 설정에서 GPT-6 아스트라는 평균 66.7%로, GPT-5.6 솔(43.8%)보다 22.9%포인트 높았고 출력 토큰은 약 48% 적게 썼습니다.

한 사례에서는 배양 접시에 적힌 항생제 이름이 실험 조건과 다르다는 점을 알아채 대조군으로 쓰면 안 된다고 판단했습니다. 반면 세포 집락 수를 약 12% 과대 계산하는 기본 오류도 보였습니다.

💡 왜 중요한가
논문 속 정제된 데이터가 아니라 "지저분한 실제 실험 데이터"를 평가 대상으로 삼았다는 점이 의미 있습니다.
⚠️ 알아둘 점
평가는 오픈AI 모델만 대상이어서 경쟁사 모델과의 비교는 알 수 없습니다.

📎 출처: AI타임스 - 오픈AI, 생명과학 AI 벤치마크 공개

⚡ 짧게 보는 소식

구글, '코끼리-금붕어 모델(EGM)' 플러그인 오픈소스 공개
설계를 맡는 장기 세션과, 대화 이력 없이 명세서만 검토하는 독립 에이전트를 나눠 코딩 전에 설계 오류를 잡으려는 도구입니다(아파치 2.0). 정확도 향상을 입증하는 벤치마크는 아직 없습니다.
엔비디아·SK텔레콤·리벨리온, 'NV링크 퓨전' 협력 MOU
서울 코엑스 엔비디아 'AI 데이'에서 국산 NPU와 엔비디아 GPU를 결합한 이기종 AI 데이터센터를 추진하기로 했습니다.
업스테이지, 시리즈C 2차 투자에 엔비디아 합류 예정
투자 금액은 비공개입니다.
엔비디아 'V플래시' 공개
로봇 경로 계획의 AI 추론 속도를 5배 높였다고 AI타임스가 전했습니다.
🧭 오늘의 인사이트
오늘 소식을 관통하는 키워드는 "에이전트의 신뢰성과 비용"입니다. AI가 암호 분석이나 실험 데이터 해석처럼 전문 영역에 들어가는 동시에, 학습 데이터 오염이나 설계 맥락 붕괴처럼 에이전트를 믿고 맡길 때의 약점도 구체적인 숫자로 드러나고 있습니다. 모델 성능 경쟁 못지않게, 권한을 어떻게 제한하고 문맥을 어떻게 관리하느냐가 실무의 관건이 될 가능성이 큽니다. 위 수치들은 대부분 개별 연구와 기업 발표에 근거한 것이므로 독립적인 재현 결과가 나오는지 지켜볼 필요가 있습니다.

📚 출처

※ 본 글은 공개된 기사와 발표 자료를 바탕으로 AI가 조사·정리했으며, 이미지는 AI로 생성했습니다. 수치와 해석은 원문 출처를 함께 확인해 주세요.

댓글

이 블로그의 인기 게시물

장이 예민한 제가 덴마크 유산균이야기를 선택한 3가지 이유

밋밋한 거실 인테리어 살려준 팝아트 휴지케이스 실제 사용 후기

Suno AI 레트로 음악 프롬프트 가이드: 80년대 시티팝 완벽 재현과 발음 교정 꿀팁