스타트업 배틀필드 200 참가 신청이 3일 남았습니다.
스타트업 배틀필드 200의 공식 참가 신청은 6월 8일 23시 59분 PT에 마감됩니다. 더 기다리지 마세요. 기술 크런치 디스럽트 2026에서 산프란시스코의 모스 코네 웨스트에서 스테이지에 올라 참가할 기회를 잡으세요.
AI / SIGNALS / KOREA
최신 AI 모델·에이전트 소식을 한국어로 정리하고, 실제 선택에 필요한 맥락까지 함께 전합니다.
스타트업 배틀필드 200의 공식 참가 신청은 6월 8일 23시 59분 PT에 마감됩니다. 더 기다리지 마세요. 기술 크런치 디스럽트 2026에서 산프란시스코의 모스 코네 웨스트에서 스테이지에 올라 참가할 기회를 잡으세요.
오픈 아이의 연구팀은 대규모 언어 모델(LLM)과 함께 다중 에이전트 경제를 구현한 '천만 토큰 우드'를 발표했습니다. 이 시스템은 자율적인 에이전트가 상호 작용하여 가치 창출을 달성하는 새로운 형태의 경제를 제공합니다.
today의 The Download 이라는 주간 뉴스레터의 일부로, 기술 세계에서 일일로 무슨 일이 일어나는지 알려줍니다. Meta 해킹은 AI 보안에 Mythos 외에도 더 많은 것을 의미한다는 것을 보여줍니다. 월요일, Meta의 AI 고객 지원 에이전트를 이용해 인스타그램 계정을 탈취한 공격자가 있다는 보고가 나왔습니다. 그들의 접근 방식은...
오스트레일리아의 데이터 센터 운영 업체는 인도에서 5GW의 용량을 설정할 계획입니다.
전체 대화가 토큰맥싱(tokenmaxxing)과 '빨리 가자'('go fast')에서 '우리는 안전 장치가 필요합니다. 어떻게 이를 통제할 수 있을까요?'('we need guardrails, how do we control this?')로 바뀌었습니다.
핸드폰을 던져버리고 실제 사람들과 만나는 경험을 제공하는 새로운 스타트업이 등장했습니다. 이 스타트업들은 사용자들이 핸드폰을 던져버리고 자연과 만나는 경험을 제공합니다. 이들은 AI 기술을 사용하지 않는 브라우저 사용자들과는 달리, 핸드폰을 던져버리고 자연과 만나는 경험을 제공하는 것만은 단순한 반발이 아닌 실제 경험을 제공하는 것이라고 말합니다.
퀄티티(Quality)는 이년 초 영화 산업 관련 트레이드에서 대박 난 스타트업이었다. 퀄티티는 스크립트만 읽어도 영화의 성공을 정확하게 예측할 수 있다고 약속했지만, 사람들은 실제로 퀄티티의 제품을 사용해본 결과 의심을 하기 시작했다. 전세계 모든 데이터를 사용해도 [...]
뉴욕 주의회는 대규모 데이터 센터의 신규 건설을 1년간 금지하는 법안을 통과시켰다. 민주당의 고치울 주지사가 법안을 서명할 경우, 이는 전국 최초의 대규모 데이터 센터 금지 법안이 될 전망이다. 법안의 주최자들은 이 법안이 환경과 에너지 가격에 미치는 대규모 데이터 센터의 영향에 대한 정책 결정자의 이해를 돕기 위한 것이라고 밝혔다.
개발자 회의 시즌이 이제 시작되었고, 그중에서 가장 눈에 띄는 주제는 대규모 기술 기업들이 AI가 우리가 하는 모든 것에 대한 전부를 바꾸겠다는 강한 믿음이란 것이다. Nvidia의 Jensen Huang가 이 주에 그 믿음을 분명히 드러내었는데, 그는 우리가 사용하는 노트북의 새로운 사용법에 대해 설명했다.
구글은 2026년 5월에 AI 업데이트를 여러 번 발표했습니다. 1. 구글은 대규모 언어 모델(LLM)을 더욱 안정적으로 사용할 수 있도록 하는 새로운 알고리즘을 발표했습니다. 이 알고리즘은 LLM의 오류를 줄이고 더 신뢰할 수 있는 결과를 제공하는 데 도움이 됩니다. 2. 구글은 새로운 AI 모델인 '멀티모달 시각 인식 모델'을 발표했습니다. 이 모델은 여러 가지 시각적 데이터를 처리하고
Meta의 AI 고객 지원 대리인에 의해 이메일 주소를 조작하여 인스타그램 계정을 도난당했다. 공격자는 대리인에게 계정과 이메일 주소를 연결하도록 요청했고 대리인은 그에 따라 행동했다. 한 공격자는 잠재된 오바마 백악관 계정을 훔쳐서 이란에 대한 찬조를 보냈다.
이번 주는 SXSW London에서 있었는데 음악, 영화, 그리고 정말 많은—말 그대로 많은—AI에 대한 이야기들이 있었다. 또한 캘리포니아 대학 이르비네校의 심리학자 글로리아 마크(Gloria Mark)와 함께 이야기를 나누었다. 그녀는 지난 30년 동안 사람들이 디지털 기술과 어떻게 상호작용하는지 연구해왔다. 처음에 그녀는 사람들이 디지털 기술과 상호작용하는 방식에 대한 그녀의 연구를 발
arXiv:2606.05408v1 Announce Type: new Abstract: When an LLM repeatedly mutates a program, does it explore new forms or circle back to the same ones? We study this question by analyzing LLM-driven muta
arXiv:2606.05411v1 Announce Type: new Abstract: Motivational architectures in cognitive AI have largely been designed for physical agents regulating bodily needs. Conversational agents operate in a di
arXiv:2606.05405v1 Announce Type: new Abstract: Recent AI systems have achieved strong results on a wide range of benchmarks, yet these gains have not translated into economically meaningful deploymen
arXiv:2606.05404v1 Announce Type: new Abstract: Time series are often embedded in rich contexts that are essential for holistic modeling. Moreover, real-world practitioners often require end-to-end wo
arXiv:2606.05400v1 Announce Type: new Abstract: Long-horizon autoformalization of research mathematics fails not only at hard lemmas, but at scale: statements drift, dependencies tangle, context decay
arXiv:2606.05389v1 Announce Type: new Abstract: Lossy compression is essential for massive spatiotemporal data from scientific simulations. Learned compressors can achieve high compression ratios at m
arXiv:2606.05384v1 Announce Type: new Abstract: LLM-as-judge evaluation is widely used in benchmarking pipelines, where model outputs are compared and ranked using automated evaluators. These pipeline
multi-table 질문에 대한 답변을 위한 모델은 관련된 증거를 검색하고, 스키마를 연결하고, 관계형 테이블에 대한 합성적 추론을 수행해야 한다. 현재 multi-table Q&A 자원은 일반적으로 질문과 최종 답변을 제공하지만, 답변의 유래 설명을 제공하는 합리적 지시가 부족하다. 이 boşNESS를 채우기 위해 우리는 MMQA를 위한 합성 대조적 추론-트레이스 데이터 세트를 구성하기
arXiv:2606.05357v1 발표 유형: 새로운 논문 초록: 목적: MRI 오스테오아르트리트膝부 점수(MOAKS) 예측을 위한 깊은 학습 기반 AI 프레임워크를 개발하여, Osteoarthritis Initiative(OAI)에서 제공하는 데이터를 사용하여 대규모 구조-통증 관계를 연구하기 위해 통계적 모델링을 사용하여 해독할 수 있는 프레임워크를 개발하는 것입니다. 재료 및 방법: 우
AI agent는 점차적으로 분당, 시간당, 또는 더 긴 시간 동안 작업을 수행하는 것을 요청받고 있다. 그러나 agent의 기본적인 행동 모델은 연속적인 행동이다: 도구 호출, 페이지 업데이트, 대체품 검색, 또는 진행을 강제하기 위한 다른 행동이다. 그러나 이러한 긴 작업은 대부분 지속적인 주의의 전략으로 잘 수행된다. 대신, agent는 환경을 감시하고, 외부 이벤트가 진행을 가능하게
원인 모호성에 대한 기능적 행동 예측 및 원형 공장 재료 피로 평가를 위한 새로운 접근이 제안된다. 이 접근법은 기능적 변수와 재료 피로를 예측하는 두 가지 병렬적인 파이프라인을 사용하여, 각 파이프라인은 대규모 언어 모델(LLM)과 같은 신경망 구조를 사용하여 기능적 변수와 재료 피로를 예측한다.
대규모 시계열 모델(TSFM, Time Series Foundation Models)의 경우, 구조적으로 이상한 패치가 과도한 주의를 받고, zero-shot 예측 품질이 침체 상태에 빠지게 된다. 이에 따라 모델의 정확성을 inference 시에 개선하기 위해, 모델의 가중치를 수정하는 대신 입력 컨텍스트를 최적화하는 방법을 제안한다. Gate, Router, Critic로 구성된 가벼운