본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

AI / SIGNALS / KOREA

AI의 다음 장면을
가장 빠르게 읽는 법

최신 AI 모델·에이전트 소식을 한국어로 정리하고, 실제 선택에 필요한 맥락까지 함께 전합니다.

4,478개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

산업 5월 13일

위성에서 약물을 생산하는 계획이 상업화된다

위성에서 약물을 생산하는 계획이 상업화된다. Varda Space Industries라는 스타트업은 우주에서 약물 실험을 수행할 수 있는 능력을 홍보해 왔고, 이번에는 약품 회사인 United Therapeutics와 계약을 맺었다고 밝혔다. 이는 우주에서 지구에 사용할 수 있는 물건을 제작하는 방안을 연구해 왔던 지금까지의 진행 상황에서 주요한 스텝으로 기억될 수 있다. 우주에서 물건을 제작하는 아이디어는 지구에 사용할 수 있는 물건을 제작하는 데 사용할 수 있는 자원과 기술을 제공한다.

AI 모델 5월 13일

LLM 허구감지 평가에 대한 새로운 관점: 필요성, 새로운 RAG 기반 벤치마크, 새로운洞察

LLM 허구 감지 평가에 대한 새로운 관점: 필요성, 새로운 RAG 기반 벤치마크, 새로운洞察 LLM 허구, 즉 신뢰할 수 없는, 가짜, 또는 일관성이 없는 콘텐츠를 생성하는 LLM에 의해 생성되는 내용을 광범위하게 의미하는 것으로, 광범위한 영향력을 가지고 있다. 따라서 LLM 허구 감지를 감지하고 이러한 감지기 평가를 위해 설계된 벤치마크 데이터 세트를 디자인하는 데에 크게 노력한 바 있다. 이 연구에서, 우리는 허구 감지 벤치마크(HDB)의 효과적인 평가를 위해 보여주어야 하는 속성의 필요

AI 모델 5월 13일

데이터 가치 최적화: 데이터 특성화 활용을 통한 저데이터 환경에서의 데이터 절단

저데이터 환경에서 데이터 절단을 위한 데이터 특성화 활용을 제안하는 연구입니다. 연구에서는 기존의 데이터 주성분 분석 방법을 개선하고, 데이터 특성화에 기반한 데이터 절단 기법을 제안합니다. 제안된 기법은 데이터 특성화에 기반하여 데이터 절단을 수행하며, 데이터 절단 후 모델의 성능을 향상시키는 데 도움이 됩니다.

LLM PC 5월 13일

다중 모드 모델에 맞는 선택을 할 수 있을까? LatentRouter

대규모 다중 모드 언어 모델(LLM)의.espresso heterogeneous한 강점이 OCR, 차트 이해, 공간적 사고, 시각적 질문에 대한 답변, 비용, 지연 시간과 같은 다양한 태스크에 걸쳐 있습니다. 이에 따라 효과적인 다중 모드 모델 라우팅은 단순히 쿼리 난이도를 추정하는 것 이상의 작업을 필요로 합니다. 라우터는 현재 이미지-질문 입력의 다중 모드 요구 사항을 각 후보 모델의 능력과 매칭해야 합니다. LatentRouter는 대규모 다중 모드 언어 모델(LLM)의 라우팅을 카운터페이탈 다중 모드 유틸리티 예측으로 형식화하는 라우터를 제안합니다.

AI 모델 5월 13일

템플릿-온톨로지: 제조 AI 유효성 검증을 위한 구성 가능한 시뮬레이션 데이터 인프라

제조 환경에서 배포된 대규모 언어 모델(LLM)-기반 AI 에이전트는 유효성 검증을 위해 채워진, 스키마가 정확한 데이터가 필요하지만, 생산 MES 데이터는 사유적, 개인정보에 부합되지 않으며, 벤더_SPECIFIC 합니다. 이 논문은 템플릿-온톨로지 원칙을 소개합니다: 하나의 파이썬 구성 모듈(700-770 라인, 45 유효한 내보내기)이 동시에 시간 단위의 제조 시뮬레이터의 스펙으로 사용되고, AI 분석 도구의 런타임 도메인 스키마로 사용되어, 통합보다는 구성으로 인해 일치가 보장됩니다.

AI 모델 5월 13일

과학에서 언어 모델의 창의성을 개방하는 비유적 사고

과학에서 언어 모델의 창의성을 개방하는 비유적 사고 자율 과학은 특히 생의학 분야와 같은 복잡한 분야에서 과학적 발견을 증대시키는 것을 약속한다. 그러나 이것은 AI 시스템이 열린 문제에 대해 일관되게 새로운 및 다양한 솔루션을 생성할 수 있어야 한다. 우리는 열린 문제 해결의 경우 언어 모델(LM)을 평가하고 그들의 모드 충돌 모드에 대한 다양성으로 생성되는 다양성의 경향을 측정한다. 모드 충돌을 완화하기 위해 우리는 솔루션 생성의 새로운 접근 방식으로 비유적 사고(AR)를 도입한다. AR는

에이전트 5월 13일

시맨틱 트레이닝 격차: 제조 AI 에이전트 시스템을 위한 온톨로지 기반 도구 아키텍처

대규모 언어 모델(LLM)-기반 AI 에이전트가 제조 환경에서 분석, 품질 관리 및 의사결정 지원을 위해 점점 더 많이 배치되고 있습니다. 이 에이전트는 도메인 용어에 대한 통계적 유창성을 보여주지만, 특정 생산 맥락에서 장비 식별자, 프로세스 매개변수, 실패 코드 및 규제 제약과 관련된 관계적 구조인 운영 시맨틱스에 대한 기반 이해를 가지고 있지 않습니다. 이 문서는 시맨틱 트레이닝 격차를 식별하고 공식화합니다. 이 격차는 AI 시스템이 훈련을 통해 도메인 용어를 획득하는 방식과 제조 운영이 의미를 정의하는 온톨로지적 관계에 대한 구조적 불일치입니다.

AI 모델 5월 13일

LLMOps를 재평가하는 악성거래 및 AML: 규제등급 LLM 서비스 스택 구축

악성거래 및 Money Laundering(AML) 검출은 대규모 언어 모델(LLM)의 고가치 도메인 중 하나입니다. 그러나 이들은 일반적인 채팅 작업로드와 달리 서비스 요구 사항이 크게 다릅니다. 규제 요청은 종종 전위-heavy, 스키마-제한적이고 증거-부하되는 특성을 나타냅니다. 이러한 속성은 전위 재사용, KV 캐시 효율성, 런타임 튜닝, 모델 오케스트레이션 및 출력 검증이 첫 번째 시스템 문제가 됩니다. 이 논문은 악성거래 및 AML 작업로드를 위한 작업-감각 LLMOps 스택을 소개합니다. 이 스택은 Meta Llama 및 Alibaba Qwen과 같은 자체 호스트 오픈 가중 모델을 사용합니다. 작업-감각 LLMOps 스택은 vLLM-style 런타임 튜닝, PagedAttention, 자동 전위 캐싱, 다중 어댑터 서비스, 어댑터 및 전위 길이-감각 배치, 슬립/와이클라이프 관리, 예측적 디코딩 및 옵션 프리필/디코딩 분리화를 포함합니다.

에이전트 5월 13일

PIVOT: 계획과 실행을 연결하는 LLM 에이전트에서 경로 개선 방식

PIVOT: 계획과 실행을 연결하는 대규모 언어 모델(LLM) 에이전트에서 경로 개선 방식 대규모 언어 모델(LLM)-기반 에이전트는 종종 실행 시 비현실적인 행동, 제약 위반, 확장된 시간대에 누적된 오류로 인해 계획이 실패하는 것처럼 보이는 일관된 계획을 생성한다. PIVOT(Plan-Inspect-eVOlve Trajectories)는 계획-실행 불일치 문제를 해결하기 위해 환경 상호 작용을 통해 반복적으로 미세 тепло 작용하는 트래픽을 최적화하는 개체로 다루는 자가 지도 학습 프레임

AI 모델 5월 13일

숫자를 보지 마세요: 시각적 앵커링 편향과 VLM의 레이어별 표현

대규모 언어 모델(VLM)의 품질 판단에 영향을 미치는 시각적 앵커링 편향이 발견되었습니다. 이 편향은 6개의 대규모 언어 모델에서 5개의 아키텍처 가족을 통틀어 통계적으로 유의미한 결과를 나타냈습니다. 또한, 레이어별 프로빙 결과, 앵커 분류가饱和하는 레이어(L12-L34)는 품질 예측에 적합하지 않으며, 최적의 레이어는 더 깊은 레이어(R^2 = 0.69-0.91)입니다.

AI 모델 5월 13일

OPD의 많은 얼굴: 장애물, 기계, 그리고 해결책

온-폴리시 디스틸레이션(OPD)과 온-폴리시 셀프 디스틸레이션(OPSD)은 대규모 언어 모델(LLM)에서 promise하는 포스트-트레이닝 방법으로, 모델이 자신의 정책에서 샘플링한 경로에서 밀집한 토큰 수준의 감독을 제공합니다. 그러나 기존의 결과는 혼합된 상태로 남아 있습니다: OP(S)D는 시스템 프롬프트와 지식 내부화에 promise를 보여주었지만, 최근 연구에서는 불안정성과 악화가 보고되었습니다. 이 연구에서는 OPD와 OPSD가 언제 작동하고, 언제 실패하며, 왜 실패하는지에 대한 종합적인 실험적 연구를 제시합니다.