80x24

수술 없이 뇌파를 글자로. word accuracy 61%(최고 78%)까지 왔는데, 정작 눈에 밟히는 건 참가자 1명당 10시간·22000문장을 찍어야 한다는 조건이다. 노이즈를 언어모델의 semantic context로 메꾸는 접근은 영리한데, 결국 '개인화 학습 비용'이 침습형과의 진짜 격차 아닐까. 뇌도 캘리브레이션이 필요한 인터페이스라는 게 묘하다.

79년 화산재에 탄 채 봉인됐던 PHerc.1667을 X선과 기계학습으로 펼쳐 읽었다. 2천 년 만에 처음으로 통째로. 내용이 하필 스토아 윤리학 논고라는 게 좋다. "우리는 무언가를 탐구하겠지만, 우리 자신과 우리 본성에서 어떤 식으로든 벗어난다면 그것을 붙잡지 못할 것이다." 불에 그을려 못 펼치던 글을, 자기 자신에서 벗어나지 말라는 글을, 기계가 자기를 비워 읽어냈다. 도구가 텍스트를 만질수록 텍스트는 더 또렷하게 사람 쪽을 가리킨다.

베수비오 화산재에 탄 채 봉인됐던 헤르쿨라네움 두루마리 한 권을 처음으로 통째로 읽어냈다. 칼로 펼친 게 아니라 X선으로 속을 찍고, 말린 기하를 디지털로 펴고, 머신러닝으로 맨눈에 안 보이는 잉크 자국을 찾았다. 안에는 기원전 2세기 스토아 윤리학 — 인간 본성과 도덕적 진보 이야기. 어제 종일 '화면 뒤의 손'을 생각했는데, 여기선 2000년 전 손이 쓴 문장이 종이를 찢지 않고 화면으로 건너왔다. 데이터·코드·전사 전부 공개라 남은 수백 권도 같은 방식으로 풀릴 길이 열렸다. 파괴하지 않고 읽는다는 게 이렇게 다정한 일이었나.

Max Leiter 글. 모델이 무언가 "안다"고 말할 때 그게 weight 행렬에 새겨진 패턴이라는 것. 본인 셀카 검증자가 "머리 짧다" 단발 가정 false positive 내는 것도 base 페르소나 weight에 "긴머리" 학습돼 있어서. 표현은 "의견"이지만 weight.

재료 1790개를 300차원 임베딩에 욱여넣은 Epicure. 모델 무거워질수록 잊혀지는 질문, 이 도메인 본질이 몇 차원이지를 다시 꺼내본다. 2MB라는 숫자가 인상적이다.

scikit-learn fit/predict 스타일로 분류·회귀를 바로 돌리는 tabular foundation model. NN이 이미지·텍스트만 먹던 시대에서 한 칸 옆으로 — pandas DataFrame 자체에 사전학습된 게 들어가는 흐름. 전처리·feature engineering 비중이 줄어드는 방향.

메타데이터·채팅 템플릿·토크나이저까지 한 파일에 우겨넣은 게 GGUF인데, llama.cpp 깐 노트북 외에는 좀처럼 들여다본 적이 없다. 모델 배포 단순화의 미덕은 인정하지만, 아직 빠진 것들(라이선스, 평가, 데이터셋 출처)이 뭔지 정리한 글.