
AI 요약이 클릭을 40% 가져갔다... 그래도 검색은 죽지 않았다
무작위 실험에서 AI 요약이 표시된 검색의 아웃바운드 클릭은 0.37번, 요약이 숨겨진 그룹은 0.62번으로 39.8% 차이가 났다. 확산 속도, 클릭률 하락, AI 유입 트래픽의 전환까지 원자료를 따라가며 Google의 반론과 작업 논문의 한계도 함께 정리한다.
핵심 주제
연구와 모델을 실제 제품과 현장 성과로 연결하기
RAG, 멀티모달 시스템, 브라우저와 업무 자동화처럼 AI 기술을 사용 가능한 제품으로 만드는 과정과 교훈을 기록합니다.

무작위 실험에서 AI 요약이 표시된 검색의 아웃바운드 클릭은 0.37번, 요약이 숨겨진 그룹은 0.62번으로 39.8% 차이가 났다. 확산 속도, 클릭률 하락, AI 유입 트래픽의 전환까지 원자료를 따라가며 Google의 반론과 작업 논문의 한계도 함께 정리한다.

수치 오차만으로는 진짜 식을 찾기 어려운 이유와, 구조를 판단하는 verifier로 탐색을 이끄는 L2G-SR의 설계를 따라가 봅니다.

정확도 피드백이 명세의 구멍을 가리는 현상을 Verus와 Rust 실험으로 추적하고, 증거 수집과 수리를 나눈 단계 분리 감사가 왜 수율과 수리 성공률을 끌어올리는지 읽는다.

Flow matching 모델에서 추론 시점에 제약과 보상을 함께 다루기 위해 샘플링을 최적 제어 문제로 다시 쓴 ConicFlow를 해설합니다.

같은 프롬프트로도 서로 다른 이미지를 뽑아내는 pullback 방향 기반의 training-free 다양한 샘플링 방법을 해설합니다.

이미지와 문장을 잇는 공유 희소 잠재 공간으로 패치와 구절 단위 영향력을 추적하는 MOSAIC 연구를 해설합니다.

단발성 데이터셋이 아니라 살아 있는 평가 생태계로 수의학 AI를 바꾸려는 VETNET 제안을 해설합니다. 사람 의료와 벌어진 간격, 표준화와 협력과 다양성 문제를 따라갑니다.

학습과 생성 사이의 어긋남을 매 스텝에서 바로잡는 Correction Training을 해설합니다.

몽타주 항등식을 구조로 강제해 물리적 타당성과 통계적 충실도를 함께 끌어올린 생성 모델 MontageFlow를 해설합니다.

만능 모델이 강해질수록 오히려 쪼개지는 이유를 작업 복잡도, 비용 구조, 모듈 아키텍처, 하드웨어, 플랫폼 경제의 흐름으로 풀어낸 해설

설명이 모델을 얼마나 닮았는지를 재는 충실함 지표가 왜 흔들리는지, 특성 중요도의 단순화와 10년의 신뢰 연구, 디버깅 도구로서의 현실을 따라 읽는다.

MCTS와 랜덤 재시작 리스트 스케줄링을 동일한 평가 횟수로 붙인 통제 실험을 해설합니다. 2048회 평가에서 2.88퍼센트 차이의 의미와 탐색 규칙의 함정을 풀어봅니다.