Dwarkesh Patel은 11월 14일 에세이에서 AI 연구 자동화 시점의 중앙값을 2028년, 초지능은 2030년까지로 전망했습니다. 같은 시기 ChatGPT dots와 Claude Code 문서는 컴퓨터 연결과 병렬 스레드, Stop 훅을 안내했고 unslop.run은 arXiv 논문 38%가 기계가 쓴 것처럼 읽힌다고 밝혔습니다. 다섯 소식에서 문서로 확인되는 내용과 작성자 주장을 가르며 함께 살펴봅니다.
오늘 담긴 것
- Dwarkesh Patel 초지능 2030 전망 글 공개…AI 연구 자동화 중앙값 2028년: Dwarkesh Patel의 에세이
- ChatGPT dots, 컴퓨터마다 허용해 여러 대 연결…스레드는 한 번에 한 대만 사용: OpenAI의 제품 문서
- Claude Code Projects, 코디네이터와 클라우드 스레드로 일을 나눈다…Pro·Max·Ultra 공개 베타: Anthropic의 제품 문서
- unslop.run, 샘플링한 arXiv 논문 38%가 기계가 쓴 것처럼 읽혀…탐지기 판정이며 저자는 AI 휴머나이저 판매자: unslop.run의 데이터 글
- Claude Code Stop 훅은 exit 2여야 Claude가 계속 작업…exit 1은 그냥 종료: Anthropic의 훅 문서
AI 전망
Dwarkesh Patel 초지능 2030 전망 글 공개…AI 연구 자동화 중앙값 2028년

Dwarkesh Patel이 11월 14일 에세이를 냈다. 제목은 “수학을 강타한 눈사태가 AI 개발에도 온다”이고, 부제로 초지능을 2030년까지로 보는 이유를 내걸었다. 글쓴이 개인의 전망이다.
- 전망: AI가 최고 인간 AI 연구자만큼 연구하는 시점의 중앙값은 2028년이다. 2027년 가능성과 2032년 이후일 확률 25%도 함께 적었다.
- 초지능: 연구 자동화가 한 해에 많은 진척을 몰아 넣으면 2030년까지, 이르면 내년에 모든 분야에서 최고 전문가 이상인 AI가 나온다고 본다.
- 근거: 에세이는 METR, 오픈AI, 앤트로픽의 수치를 인용했고, 모두 글쓴이가 옮긴 값이다.
무엇이 달라지나
글쓴이는 에세이에서 올해 초에는 초지능까지 적어도 10년 가까이 걸린다고 답했을 것이라고 쓴다. 지난 석 달 사이 생각을 바꿔 지금은 한두 해, 어쩌면 몇 달 안에 AI가 최고 연구자 수준에 닿는다고 본다.
한계
전망은 글쓴이의 개인 의견이다. 에세이가 인용한 METR, 오픈AI, 앤트로픽의 수치와 밀레니엄 문제를 88시간 만에 풀었다는 서술은 글쓴이가 옮긴 내용이며 원문은 따로 열어 보지 않았다. 이 원고에서 읽은 범위는 본문 “더 많이” 항목까지이고 부록은 포함되지 않는다.
커뮤니티 반응
■저녁에 볼 영상으로 이 글의 영상판을 추천하는 글이 올라왔다.
■Dwarkesh는 AI 지식이 부족하고 질문도 어설프다고 깎아내리는 답글이 달렸다.
■AI는 사람이 건드리기 전에는 잠든 상태라는 답글도 있었다.
본문 펼치기 · 약 4분
중앙값 2028년은 검증하기 쉬운 영역의 진전을 AI 연구에 옮긴 추정이다
글에 따르면 글쓴이는 올해 초였다면 초지능까지 적어도 10년 가까이 걸린다고 답했을 것이라고 한다. 지난 석 달 동안 AI가 답을 확인할 수 있는 영역에서 보인 진척을 지켜보며 생각이 크게 바뀌었다고 적었다. 지금은 최고 인간 연구자만큼 AI 연구를 하는 AI가 한두 해, 어쩌면 몇 달 안에 나온다고 본다.
원문의 숫자는 구체적이다. 자동화된 연구자가 최고 인간 연구자만큼 되는 시점의 중앙값은 2028년이며, 연구소가 일부러 속도를 늦추지 않는다는 가정이 붙는다. 2032년 이후일 확률은 25%로 보고, 2027년에 올 가능성도 열어 둔다. 글쓴이는 이 주장이 몇 달 전에는 자신도 믿지 않던 것이라고 밝힌다.
근거로 든 METR, 오픈AI, 앤트로픽 수치는 모두 글쓴이를 거친 인용이다
글은 독립 평가 기관 METR가 앤트로픽 내부에 석 달 머문 뒤 내린 결론을 전한다. 잘 정의된 작업에서 앤트로픽의 진척 속도가 1년 전의 2배이고, 이 가속의 대부분은 AI를 연구개발에 쓴 데서 온 것으로 보인다는 내용이다. 오픈AI는 9월 글에서 AI를 가장 많이 쓰는 상위 10% 연구원의 내부 코딩 에이전트 사용액이 여름 초 하루 약 1,000달러에서 8월 말 7,000달러 넘게 늘었다고 밝혔다고 한다.
앤트로픽도 9월에 비슷한 글을 냈다고 에세이는 적는다. 8월 기준 Claude가 앤트로픽 AI 연구개발 작업의 26% 넘게를 “이끌며”, 2월에는 1% 미만이었다는 설명이다. 이 값들은 글쓴이가 옮긴 것이어서 원문 표현과 다를 수 있다.
Ajeya Cotra의 평도 인용된다. AI가 AI 능력 진척 속도를 거의 두 배로 높이고 그 가속이 매끄럽다고 가정하면, 단순하게는 1년 안에 극단적 초지능에 닿는다는 내용이다. 글쓴이는 이 모델링이 얼마나 정확한지 확신하지 못해 자신의 중앙값을 그만큼 앞당기지 않았다고 한다.
수학의 빠른 진전과 AI 연구가 닮았다는 것이 전망의 핵심 논거다
글쓴이는 수학에서 AI가 잘 정의된 문제를 빠르게 처리하는 점을 AI 연구의 예고편으로 본다. 글은 2023년에는 모델이 네 자리 수 덧셈도 안정적으로 못 한다는 말이 나왔고, 2025년에는 국제수학올림피아드 금메달을 땄으며, 올해 초에는 에르되시 문제를 풀었다고 적는다. 약 한 달 전에는 오픈AI 모델이 밀레니엄 문제를 88시간 만에 풀었다고 글쓴이는 서술한다.
반대 논점도 같은 글에 있다. Toby Ord는 AI가 증명 자동화를 시작했지만 강력한 질문을 던지거나 새 수학 분야를 여는 증거는 거의 없다고 썼고, 글쓴이도 진척이 반례 찾기 같은 검증이 쉬운 부분에 치우쳤다고 인정한다. 그래도 AI 연구는 새 알고리즘 방식이 학습을 더 효율적으로 만드는지 실험으로 가리는 일이 중심이라, 이론 자체보다 이런 작업이 더 값지다고 본다. 글쓴이는 AI 연구에도 검증하기 어려운 부분이 있어 오픈AI가 연구원을 해고하지 않았다고 덧붙인다.
자동화된 연구자는 더 빠르고, 더 뛰어나고, 더 많아진다는 것이 속도 논리다
에세이는 세 가지 이유를 든다. 글쓴이는 지금의 AI가 이미 인간의 약 10배 속도로 일한다고 쓴다. 여기에 자동화된 연구자는 밤낮 쉬지 않고 일할 테니 연구자 한 명이 한 주에 인간의 약 50배 작업량을 처리하게 된다는 것이다. 다만 실험용 연산 자원은 빨라지지 않아 진척이 곧바로 50배가 되지는 않으며, 수확이 크게 줄어도 지금보다 몇 배 빠를 것이라는 설명이다.
실력 면에서는 프런티어 연구소 알고리즘 진척의 약 80%를 상위 50명이 이끈다는 것이 글쓴이의 감이다. 그만큼 모든 자동화 연구자가 최고 인간 수준이면 속도가 또 오른다고 본다. 수 면에서는 여러 Claude가 함께 페르마의 마지막 정리를 형식화하는 애니메이션을 예로 들며, 독립적인 모듈형 작업이 많고 진척을 가늠할 대리 지표가 있는 AI 연구는 소설 쓰기보다 이쪽에 가깝다고 한다.
자세히 읽기 · Dwarkesh Patel의 에세이 “The avalanche that hit math is coming for AI development” ↗
에이전트 도구
ChatGPT dots, 컴퓨터마다 허용해 여러 대 연결…스레드는 한 번에 한 대만 사용

11월 16일 현재 ChatGPT Learn의 dots 문서는 dot이 클라우드에 자기 컴퓨터와 브라우저를 갖고 있고, 사용자 컴퓨터를 추가로 연결할 수 있다고 안내한다. 컴퓨터는 해당 컴퓨터의 ChatGPT 앱에서 한 대씩 허용한다. 문서에 날짜는 적혀 있지 않다.
- 연결: ChatGPT 앱에서 dot 프로필의 Computers 항목을 열어 Allow, 이어서 Allow access를 눌러 연결하고, 다른 컴퓨터도 같은 절차를 반복한다.
- 스레드: 독립 작업은 컴퓨터마다 스레드를 따로 시작하게 하며, 스레드 하나는 한 번에 컴퓨터 한 대만 쓴다.
- 조건: 연결은 작업 사이에도 유지되지만 컴퓨터가 켜져 있고 ChatGPT 앱이 열려 있어야 하며, Revoke access로 접근을 철회한다.
무엇이 달라지나
dot의 일이 클라우드 컴퓨터에만 머물지 않고 사용자의 로컬 파일, 코드, 앱까지 닿는다. 허용한 컴퓨터는 같은 dot에 어디서 말을 걸든 쓸 수 있고, 휴대폰에서 보낸 요청도 포함된다.
한계
읽은 문서에는 컴퓨터 연결이 어느 요금제와 지역에서 제공되는지 적혀 있지 않고 한국 제공 여부도 나와 있지 않다. 요금제가 적힌 것은 브라우저·파일 주석 기능뿐이며 Pro, Business Premium, Enterprise의 데스크톱 앱에서 순차 제공된다. 사용자 지정 지침 적용과 응답 속도 개선은 읽은 문서에 없고 아래 반응의 한 게시자 소개에만 있다. 읽은 OpenAI API 변경 기록(11월 5일부터 9월 22일 항목까지)에도 dots 항목은 없어 변경 시점은 알 수 없다.
커뮤니티 반응
■한 게시자는 이번 주 OpenAI 소식 모음에서 dots가 여러 로컬 컴퓨터에 연결하고 사용자 지정 지침을 따르며 더 빨리 답한다고 소개했다.
■같은 모음에는 dots가 승인을 받아 구매를 처리하는 ChatGPT Wallet이 미국 Pro 구독자에게 점진적으로 제공된다는 소식도 있었다.
■Advanced와 Standard 음성을 12월 11일에 종료한다는 소식도 함께 올라왔다.
본문 펼치기 · 약 3분
연결은 컴퓨터마다 ChatGPT 앱에서 한 번 허용하면 되고 철회도 같은 곳에서 한다
문서가 안내하는 순서는 세 단계다. 연결할 컴퓨터에서 ChatGPT 앱을 열어 dot의 프로필을 열고, Computers 아래에서 지금 쓰는 컴퓨터를 찾아 Allow를 누른 뒤, 확인 화면을 검토하고 Allow access를 눌러 연결한다. 다른 컴퓨터를 붙이려면 그 컴퓨터의 ChatGPT 앱에서 같은 절차를 반복한다.
연결은 작업이 끝나도 유지된다. 다만 dot이 컴퓨터를 쓰는 동안은 컴퓨터를 온라인으로 두고 ChatGPT 앱을 열어 둬야 한다. Offline 표시는 컴퓨터를 지금 쓸 수 없다는 뜻이지 연결이 해제됐다는 뜻이 아니고, 접근을 없애려면 Revoke access를 누른다.
스레드는 컴퓨터 한 대만 쓰므로 독립 작업은 컴퓨터별로 나눠야 한다
문서는 서로 독립적인 일이면 dot에게 컴퓨터마다 별도 스레드를 시작해 달라고 요청하라고 안내한다. 스레드 하나는 한 번에 컴퓨터 한 대를 쓴다. dot은 로컬 Work 또는 Codex 작업을 만들거나 기존 로컬 Codex 작업을 이어 갈 수 있고, 작업이 연결된 컴퓨터의 파일과 도구를 쓰더라도 클라우드에서 관리할 수 있다.
웹사이트가 클라우드 브라우저를 막으면 연결된 컴퓨터로 시도해 달라고 요청할 수 있다. 이때 별도의 로컬 작업이 만들어질 수 있고, 클라우드 브라우저의 세션은 넘어가지 않으며 특정 로컬 브라우저가 지원된다는 보장도 없다고 문서는 적었다. dot의 로컬 컴퓨터 권한은 컴퓨터를 Codex에 연결하는 것, Work Sync를 켜는 것과 별개여서 둘 중 하나만으로는 dot이 접근하지 못한다.
앱 접근은 플러그인과 계정 권한으로 정해지고 연락 수단을 더해도 열리지 않는다
문서에 따르면 dot은 계정에 설치하고 켠 지원 플러그인을 쓸 수 있고, 접근 범위는 플러그인에 연결된 계정과 권한, 작업이 도는 환경에 따라 달라진다. 예로 Gmail로 관련 메일 찾기, Google Drive로 문서 읽기와 수정, GitHub로 이슈를 조사해 풀 리퀘스트 준비하기가 나온다. 쓰려는 플러그인은 하나씩 설치하고 연결해야 한다.
기존 ChatGPT 앱 권한이 dot에도 적용돼 메일 읽기는 허용하면서 보내기는 막는 식으로 나눌 수 있다. 연결이 만료되면 요청을 열어 다시 연결한 뒤 이어 간다. 로컬 스킬은 컴퓨터 연결이 있어야 쓰고, Slack으로 dot에게 메시지를 보내는 것만으로 받은 편지함이 연결되지는 않는다. 연락 수단을 추가해도 앱이나 컴퓨터 접근 권한은 생기지 않는다.
클라우드 브라우저는 개인 로그인을 물려받지 않고 비공개 양식이나 직접 로그인으로 처리한다
문서에서 dot의 클라우드 브라우저는 자체 세션을 가져 사용자 개인 브라우저의 로그인을 물려받지 않는다. 사이트가 로그인을 요구하면 dot이 비공개 양식 요청을 보내고, 사용자가 거기에 자격 증명과 인증 코드를 입력하면 양식이 대화 밖에서 원격 브라우저로 정보를 보낸다. 직접 로그인하려면 dot의 브라우저를 takeover 모드로 열어 단계를 마친 뒤 Return control을 누른다.
로그인 세션은 사용자가 로그아웃하거나 사이트가 만료시킬 때까지 이어질 수 있다. 일부 사이트는 클라우드 브라우저를 막거나 추가 인증을 요구한다. 선택 사항인 Save to Passwords로 로그인을 저장해도 저장된 로그인과 유효한 세션은 서로 다르고, 저장된 로그인을 다시 쓸 때는 사용자의 확인이 필요하다. 중국어 간체 문서에는 AI 번역이며 최신 정보는 영문 원문을 보라는 안내가 붙어 있다.
자세히 읽기 · OpenAI의 ChatGPT Learn 문서 “Connect computers and apps to your dot” ↗ · OpenAI의 같은 문서 중국어 간체판 ↗ · OpenAI API 변경 기록 ↗
Claude Code Projects, 코디네이터와 클라우드 스레드로 일을 나눈다…Pro·Max·Ultra 공개 베타

11월 16일 현재 Claude Code 문서의 Projects 안내는 Projects가 Pro, Max, Ultra 요금제에서 공개 베타이며 단계적으로 제공 중이라고 설명한다. 프로젝트는 이어지는 대화 하나에서 Claude가 코디네이터로 일을 받아 작업마다 스레드를 시작하는 구조다. 문서에 날짜는 적혀 있지 않다.
- 구조: 프로젝트 대화가 코디네이터이고 작업은 스레드가 맡는다. 스레드는 보통 클라우드 세션이며 필요하면 Remote Control로 사용자 컴퓨터에서 돌릴 수 있다.
- 제공: Pro, Max, Ultra에서 공개 베타이고 Team과 Enterprise에서는 아직 제공하지 않는다. 사이드바나 More에 보이지 않으면 대기 명단에 올린다.
- 조건: 코드 작업은 github.com 저장소, 푸시 권한, Claude GitHub App 설치가 필요하고, 사용량은 요금제 한도에서 더 빨리 줄어든다.
무엇이 달라지나
작업마다 세션을 열고 배경을 반복해 알려 주던 일을 프로젝트가 한곳으로 모은다. 프로젝트 지침과 메모리는 모든 새 스레드가 받고, Overview 창에서 끝난 스레드와 검토 준비된 풀 리퀘스트, 답을 기다리는 스레드를 본다.
한계
읽은 문서 앞부분(GitHub 설정 단계까지)에는 Coordinator와 Thread의 모델이나 effort를 따로 지정하는 설정이 나오지 않고, 기본 모델이 Opus라는 내용도 없다. 해당 설정과 사용자 지정 뷰, 아티팩트 할당은 아래 반응의 게시자 소개에만 있다.
커뮤니티 반응
■한 게시자는 Project 설정에서 Coordinator와 Threads에 서로 다른 모델을 지정할 수 있고, 사용자 지정 뷰를 만들어 아티팩트를 할당하는 기능도 생겼다고 소개했다.
■코디네이터와 작업자를 나누는 설계라 모델 선택이 워크플로의 일부가 된다는 평가가 나왔다.
■새 프로젝트에서는 /goal 같은 명령을 못 쓴다는 질문에, 목표는 Project settings의 General에서 정하고 코디네이터가 일을 나누므로 세션별 /goal은 충돌한다는 답이 달렸다.
본문 펼치기 · 약 3분
프로젝트는 계속 일이 생기는 목표에 맞고 세션 하나로 끝나는 일에는 맞지 않는다
문서가 드는 적합한 경우는 네 가지다. 여러 저장소에 걸친 하나의 목표(예: 모든 서비스를 새 린트 설정에 맞추기), 계속 새 일이 들어오는 영역, 한 세션보다 큰 빌드나 마이그레이션, 코드가 아닌 문서 묶음이다. 여러 저장소의 린트 설정을 바꾸는 예에서 문서는 저장소마다 스레드를 하나씩 돌려 각자 풀 리퀘스트를 만들 수 있고 Overview 창이 검토 준비된 것을 보여 준다고 설명한다. 클라우드 스레드는 작업에 필요할 때 풀 리퀘스트를 연다.
맞지 않는 경우도 문서에 있다. 세션 하나에 들어가는 일은 직접 클라우드 세션을 시작하고, 모든 작업이 내 컴퓨터를 필요로 하면 로컬 세션이나 agent view를 쓰며, 대화 없이 일정에 따라 반복되는 일은 클라우드 예약 작업으로 만든다. 여러 사람이 Slack 채널에서 Claude에게 일을 맡기고 함께 조종하는 경우는 Claude Tag를 보라고 안내한다.
스레드는 프로젝트 지침과 CLAUDE.md만 받고 내 컴퓨터의 설정은 물려받지 않는다
모든 클라우드 스레드는 프로젝트의 저장소와 파일, 지침, 메모리, 각 저장소의 CLAUDE.md, claude.ai 계정의 커넥터, 네트워크 접근과 환경 변수를 정한 클라우드 환경으로 시작한다. 저장소의 스킬, .claude/settings.json, .mcp.json은 받지 않는다. 사용자 컴퓨터의 Claude Code 설정도 가져오지 않으므로 스킬과 플러그인은 따로 넣어야 한다.
새 프로젝트는 이름만 필수다. 목표는 Project settings의 General에서, 저장소는 Environment에서 나중에 추가할 수 있다. 첫 프로젝트는 만든 직후 Claude가 먼저 한 차례 움직일 수 있고 그 차례가 요금제 사용량을 쓴다. 저장소를 읽을 수 있으면 아무것도 바꾸지 않고 탐색하는 스레드를 하나 시작해 다음 단계를 제안하기도 한다.
코드 작업 전에 플랜, GitHub 설정, 사용량 조건을 먼저 맞춰야 한다
사전 조건은 Pro, Max, Ultra 중 하나이면서 사이드바에 Projects가 보이는 것이다. 코드 작업이면 저장소가 github.com에 있어야 하고 GitHub Enterprise Server, GitLab, Bitbucket은 해당하지 않는다. 연결한 계정에 푸시 권한이 있고 Claude GitHub App이 설치돼 있어야 하며, /web-setup으로 보낸 토큰만으로는 프로젝트의 클라우드 스레드에 부족하다고 문서는 적었다. 조직 소유 저장소는 조직 owner만 앱을 설치할 수 있고 승인 전에는 쓸 수 없다.
프로젝트는 다른 Claude Code 세션과 같은 요금제 한도를 쓰며 더 빨리 쓴다. 클라우드 세션 문서는 클라우드 VM에 별도 요금이 없다고 적는다. 도움말 문서는 새 버전이 Claude Code를 쓰는 일부 Pro, Max, Ultra 구독자에게 베타로 나가고 채팅, Cowork, Team, Enterprise는 뒤따른다고 설명한다. 이전 대상 기존 프로젝트는 지침, 파일, 대화 기록, 예약 작업이 그대로 넘어간다.
Claude Tag 문서는 Slack 채널에서 일하는 공개 베타 제품이라고 소개한다. 채널의 연결을 쓰는 샌드박스에서 일하고 스레드의 모든 사람이 조종할 수 있어, 팀이 함께 쓰는 경우에는 Projects와 다른 선택지다.
자세히 읽기 · Anthropic의 Claude Code 문서 “Let Claude coordinate ongoing work with Projects” ↗ · Anthropic의 Claude Code 문서 “Use Claude Code in the cloud” ↗ · Anthropic 도움말 “What are projects?” ↗ · Anthropic의 Claude Tag 문서 “How Claude Tag works” ↗
연구 글쓰기 측정
unslop.run, 샘플링한 arXiv 논문 38%가 기계가 쓴 것처럼 읽혀…탐지기 판정이며 저자는 AI 휴머나이저 판매자

11월 16일 현재 unslop.run 블로그 글은 2021년부터 2026년까지 arXiv 논문 13,500편의 전문을 점수화해, 2026년 8월에서 10월에 샘플링한 논문의 38%가 기계가 쓴 것처럼 읽혔다고 밝혔다. 글쓴이가 직접 만든 탐지기로 잰 값이다. 글에 게시일은 적혀 있지 않다.
- 수치: 글에서 2026년 8월에서 10월 표본의 38%가 기계 작성처럼 읽혔고, 표본 달 가운데 가장 높은 값은 38.8%다.
- 분야: 컴퓨터과학 62.0%, 정량생물학 58.0%, 전기공학·시스템 51.3%이고 수학은 3.7%다.
- 조건: 판정은 저자가 만든 탐지기의 것이며 약 20%를 놓치고, 저자는 AI 휴머나이저 unslop을 판매한다.
무엇이 달라지나
글은 ChatGPT 출시 이후인 2023년 초부터 비율이 꾸준히 올라 30%에서 40% 사이 구간에 들어섰다고 설명한다. 기준선은 ChatGPT 이전 대조군이고, 임계값은 대조 논문의 0.4%만 걸리도록 맞췄다.
한계
탐지기는 글이 기계 같은지만 잰다. 전체를 생성했는지 교정에만 썼는지 가릴 수 없고 개별 논문이나 저자를 가리키는 데 쓰면 안 된다고 저자가 적었다. 저자는 휴머나이저를 팔아 이해관계가 있고 읽은 페이지에는 독립 검증이 없다. 수학이 낮은 것은 수식이 많아 탐지기가 볼 산문이 적어서일 수도 있어 AI 사용이 적다는 뜻으로 읽을 수 없다.
커뮤니티 반응
■한 게시자는 이 수치를 소개하며 탐지기가 AI 텍스트의 약 20%를 놓치므로 실제 값은 더 높을 것이라고 봤고, Dwarkesh Patel의 글을 보고 내년에 이 수치가 상당히 오를 것으로 예상했다.
■언어 교정과 과학적 논증 초안 작성은 모두 탐지 가능한 흔적을 남길 수 있어, 둘을 가르면 연구 변화를 더 알 수 있다는 답글이 달렸다.
■AI가 논문을 쓰고, 심사자 대신 심사하고, 대중용 요약까지 만든다고 꼬집는 답글도 나왔다.
본문 펼치기 · 약 4분
38%는 2026년 8월에서 10월 표본의 값이고 분야별 표는 다른 기간을 쓴다
글에 따르면 표본은 10개 분야 그룹에서 달마다 25편씩 2023년 1월부터 2026년 10월까지 뽑고, 2021년과 2022년의 대조군 8개월을 더해 13,500편이다. 논문마다 버전 1 PDF를 써서 나중에 고친 현대 문장이 옛 데이터에 섞이지 않게 했다고 한다.
헤드라인 38%는 2026년 8월에서 10월 표본이고, 분야별 표의 최근 열은 2025년 11월부터 2026년 10월까지다. 두 기간이 달라 표의 값을 38%와 바로 맞춰 읽을 수 없다. 표에는 컴퓨터과학 62.0%(95% 신뢰구간 56.7에서 67.3), 정량생물학 58.0%, 전기공학·시스템 51.3%, 경제·금융 47.7%, 응용물리 38.3%, 통계 32.3%, 응집물질 28.3%, 고에너지물리 20.3%, 천체물리 11.0%, 수학 3.7%(1.7에서 6.0)가 실려 있다.
탐지기는 저자가 만들었고 임계값도 대조군에 맞춰 정했다
글에서 저자는 ZeroGPT에 최근 논문을 넣자 대부분 AI 작성으로 표시됐고, 아주 오래된 논문도 표시돼 이 도구로는 현황을 말할 수 없다고 판단해 Unslop-MoE-v7 탐지기를 직접 만들었다고 한다. 학술 글쓰기에서 오탐률을 통제하도록 최적화했고 그 대가로 AI 작성 논문의 약 20%를 놓친다. 그래서 값은 실제 비율을 낮춰 잡았을 가능성이 크다는 것이 저자의 설명이다.
임계값은 ChatGPT 이전 대조 논문 2,000편 가운데 8편, 즉 0.4%만 걸리게 맞춘 것이다. 저자도 이 0.4%가 오탐률의 독립적인 시험은 아니라고 글에 적었다. 분야마다 대조 논문은 200편이어서 분야별 대조 비율은 0.0%에서 1.5%까지 흔들리는 잡음이 큰 추정치이고, 이를 줄이려면 분야당 수천 편이 필요하다고 한다. 탐지기가 모델에 따라 더 잘 잡거나 덜 잡는다는 점도 한계로 밝혔다.
수학이 낮은 것은 AI를 덜 써서가 아니라 탐지기가 볼 산문이 적어서일 수도 있다
저자는 글에서 수학 논문은 수식과 정리·증명 구조가 많아 수식과 참고문헌을 빼면 평범한 산문이 많이 남지 않는다고 설명한다. 그래서 LLM을 많이 쓴 수학 논문도 낮은 점수를 받을 수 있다. 수학의 3.7%가 수학자들이 LLM을 덜 쓴다는 뜻인지, 탐지기가 수학에서 더 못 잡는다는 뜻인지, 둘의 조합인지는 이 실험으로 가를 수 없다고 한다.
저자는 탐지기가 산문이 많은 학술 글에서 가장 잘 작동하고 상승폭이 큰 분야도 그런 분야여서 전체 추세가 이것으로 설명되지는 않는다고 본다. 다만 점수가 낮은 분야의 결과는 더 조심해서 읽어야 한다고 적었다. 표시는 저술의 증거가 아니라서 글 전체를 생성했는지, 교정에만 썼는지, 일부 절만 크게 고쳤는지 가릴 수 없다. 논문 ID와 분류 결과를 담은 CSV가 공개돼 있고, 표시됐다고 해서 그 논문을 AI 작성으로 단정하는 것은 아니라고 저자는 명시했다.
저자는 휴머나이저를 파는 사람이고 해당 서비스 조건은 일부만 보인다
글 끝에서 저자는 자신이 unslop이라는 LLM 기반 SaaS를 만들고 있다고 밝힌다. 5억 토큰이 넘는 데이터로 직접 훈련한 AI 휴머나이저이고, 문장마다 10번 다시 써서 가장 사람다운 문장으로 글을 만들며 처음 1,000단어는 무료라고 소개한다. 가입 없이 쓰는 무료 AI 탐지기도 함께 안내한다. “시장에서 가장 느린 휴머나이저”라는 표현은 저자의 말이다.
같은 사이트의 해지 페이지에는 로그인 없이 낼 수 있는 구독 또는 계약 해지 양식이 있고, 해지해도 남은 적립 단어는 쓸 수 있다고 적혀 있다. 구독료는 읽은 페이지에 나오지 않는다.
자세히 읽기 · unslop.run의 블로그 글 “38% of sampled arXiv papers read as AI-written” ↗ · unslop.run의 구독 해지 페이지 ↗
Claude Code 사용법
Claude Code Stop 훅은 exit 2여야 Claude가 계속 작업…exit 1은 그냥 종료

11월 16일 현재 Claude Code Hooks reference는 Stop을 Claude가 응답을 마칠 때 발생하는 턴 단위 이벤트로 소개한다. 한 게시자는 Stop 훅이 exit 2로 끝나면 종료가 막혀 Claude가 작업을 이어 갔고 exit 1이면 그냥 끝났다고 보고했다.
- 이벤트: Stop은 Claude가 응답을 마칠 때, StopFailure는 API 오류로 턴이 끝날 때 발생한다. 둘 다 UserPromptSubmit과 같은 턴 단위 이벤트다.
- 종료 코드: 게시자 보고에서는 종료 코드 2가 종료를 막고 stderr 내용을 Claude에게 넘겼고, 종료 코드 1은 오류 알림만 띄우고 그냥 끝났다.
- 조건: 훅은 settings 파일에 넣고 /hooks로 확인한다. JSON을 파싱하는 문서 예시는 jq가 PATH에 있어야 돌고, 클라우드 세션은 로컬 ~/.claude/settings.json을 읽지 않는다.
무엇이 달라지나
게시자 보고대로라면 검사용 Stop 훅이 실패 메시지를 stderr로 내보내도 종료 코드가 1이면 Claude는 그대로 끝났고, 종료 코드를 2로 바꾼 쪽에서는 같은 메시지가 Claude에게 돌아가 작업이 이어졌다. 한 사례 보고이며 읽은 문서 발췌로는 확인하지 못했다.
한계
이 원고에서 읽은 Hooks reference 발췌는 이벤트 표, 설정 구조, 매처까지이고 Stop 항목의 종료 코드 설명은 들어 있지 않다. exit 2 동작은 문서 항목의 요약과 게시자 보고에 기대고 있다. 무한 반복을 stop_hook_active 값으로 거른다는 방법은 게시자의 안내이며 읽은 범위의 문서에서는 찾지 못했다.
커뮤니티 반응
■한 게시자는 Stop 훅이 exit 1이면 테스트가 실패해도 그냥 끝나고 exit 2여야 다시 고친다고 요약했다.
■같은 버그를 넣은 폴더 두 개로 비교했더니 exit 2 쪽은 훅이 돌려준 FAILED sub를 보고 다른 파일까지 고쳤고 exit 1 쪽은 그대로 끝났다고 보고했다.
■끝없이 도는 것은 훅 입력의 stop_hook_active 값으로 거르면 되며, 검사용 Stop 훅을 걸어 둔 사람은 exit 코드부터 보라고 권했다.
본문 펼치기 · 약 4분
Stop 훅은 응답이 끝날 때마다 도는 턴 단위 이벤트이고 입력은 JSON으로 받는다
Hooks reference에 따르면 훅은 Claude Code 수명 주기의 정해진 시점에 실행되는 셸 명령, HTTP 엔드포인트, MCP 도구 호출, LLM 호출, 서브에이전트다. 같은 이벤트가 터미널, IDE 확장, 데스크톱 앱, 클라우드 세션에서 모두 발생한다. 세션 단위는 SessionStart와 SessionEnd, 턴 단위는 UserPromptSubmit, Stop, StopFailure, 도구 호출마다는 PreToolUse와 PostToolUse다.
명령형 훅은 이벤트 정보를 stdin의 JSON으로 받는다. 문서의 PreToolUse 예시에서 종료 코드 0에 출력이 없으면 보고할 결정이 없다는 뜻이고 도구 호출은 평소 권한 흐름으로 진행된다. 훅이 호출을 막을 수는 있지만 조용히 있는 것이 승인을 뜻하지는 않는다고 문서는 적었다.
exit 2와 exit 1의 차이는 Claude가 훅의 실패 메시지를 받고 계속하느냐다
문서의 Stop 설명에 따르면 exit 2는 종료를 막고 stderr를 Claude에게 전달한다. 다른 종료 코드는 비차단 오류라 정상 종료한다. 따라서 테스트가 실패하면 FAILED 줄을 stderr로 내보내는 검사용 훅은 exit 2로 끝나야 Claude가 실패 내용을 보고 고친다.
작성자 보고 한 건이 이 차이를 직접 돌려 봤다고 주장한다. 게시자는 /tmp 폴더 두 개에 add 버그는 calc.py에, sub 버그는 mathutil.py에 넣고, 둘 다 “calc.py의 add 버그 고쳐”만 시켰다고 한다. exit 2 쪽은 FAILED sub를 보고 mathutil.py까지 고쳤고 exit 1 쪽은 같은 실패에도 그냥 끝났다는 내용이다. 문서가 아니라 게시자의 보고이며, 게시자는 Anthropic 직원이 X에 올린 이야기를 따라 한 것이라고 밝혔다.
게시자는 exit 2로 막았을 때 끝없이 도는 것은 훅 입력의 stop_hook_active 값으로 거르면 된다고 안내한다. 이 값이 문서에 어떻게 적혀 있는지는 Hooks reference의 Stop 항목에서 따로 확인해야 한다.
훅을 넣기 전에 설정 파일 위치, 확인 명령, 실행 환경 조건을 맞춰야 한다
훅을 넣는 위치는 모든 프로젝트에 적용되는 ~/.claude/settings.json, 한 프로젝트에 적용되고 저장소에 커밋할 수 있는 .claude/settings.json, 커밋하지 않는 .claude/settings.local.json 등이다. 설정 단계별 훅은 서로 덮어쓰지 않고 합쳐진다. 훅 가이드는 settings 파일에 hooks 블록을 넣은 뒤 Claude Code 입력창에서 /hooks를 입력해 훅 목록에 나타나는지 보라고 안내한다. 문서의 JSON 파싱 예시는 jq를 쓰므로 jq를 설치하고 PATH에 두어야 한다.
실행 환경에도 조건이 있다. Hooks reference는 클라우드 세션이 로컬 ~/.claude/settings.json을 읽지 않는다고 적는다. 앞서 본 Projects 문서는 프로젝트 스레드가 저장소의 .claude/settings.json도 받지 않는다고 적었다. 이 두 파일에 넣은 Stop 훅이 클라우드 스레드에서 도는지는 각 문서의 환경 설정 안내를 따로 봐야 한다.
Code Mode 문서에는 실험 기능인 Code Mode가 기본으로 꺼져 있다고 나온다. 이 모드에서는 PreToolUse 훅이 실행되지 못하거나 시간 초과되면 도구 호출이 거부되고, 코드 자체를 검사하려면 PreToolUse 훅을 REPL 도구에 매칭해 tool_input.code를 읽는다.
자세히 읽기 · Anthropic의 Claude Code 문서 “Hooks reference” ↗ · Anthropic의 Claude Code 문서 “Automate actions with hooks” ↗ · Anthropic의 Claude Code 문서 “Run tool calls from code with Code Mode” ↗