AI / SIGNALS / KOREA
최신 AI 모델·에이전트 소식을 한국어로 정리하고, 실제 선택에 필요한 맥락까지 함께 전합니다.
DIY 홈 시큐리티 회사인 SimpliSafe가 AI 보안 기능을 집 앞문으로 확장합니다. 새로운 SimpliSafe Video Doorbell Series 2는 $199.99에 출시되었으며, Active Guard Outdoor Protection(월 $49.99부터)을 지원합니다. 이 기능은 AI 분석과 실시간 요원 조합으로 잠재적인 위협을 감지하고 적극적으로 대응합니다.
ChatGPT는 이미지 2.5를 통해 사용자의 아이디어, 스케치, 참조 사진을 더 개인화된, 더 완성된 이미지로 변환하는 것을 도와줍니다.
Navier-스톡스 천년 대상 문제는 fluid dynamics의 가장 어려운 문제 중 하나로, AI가 이를 해결하는 방법을 소개합니다. 이 해결책은 Lean이라는 formal proof tool을 사용하여 formal proof를 제공합니다.
오픈 아이의 자금 지원 프로그램을 통해 5억 달러의 자금을 지원받아, AI가 청소년 발달, 안정성 및 안전성에 미치는 영향을 연구하는独立 연구를 지원합니다.
1Password 엔지니어들은 Codex를 사용하여 새로운 기능과 내부 도구를 빠르게 개발하고, 엄격한 보안 정책을 유지하며 프로덕션 준비 상태를 달성했습니다. Codex는 대규모 언어 모델(LLM) 기술을 기반으로 하며, 엔지니어들이 자동화된 코드를 생성하고, 코드 리뷰를 자동화하는 등 다양한 기능을 제공합니다.
오픈 AI는 대학생, 교사, 기자, 언론사 등에게 다양한 도구, 교육, 파트너십을 제공하여 기자단을 위한 지원을 확대하고 있습니다. 이 iniciative는 언론사에 대한 지속적인 지원을 통해 언론의 신뢰성을 높이고자 합니다.
오픈에이아이(OpenAI), AIRPPU 및 WAN-IFRA(WAN-IFRA)는 우크라이나 뉴스 기관의 혁신력 강화, 내실화 및 독립적 뉴스 제작을 지원하기 위한 인공지능 프로그램을 출시했습니다.
자크 부코비(Jakub Pachocki)는 점점 더 뛰어난 인공지능(AI)을 개발하고 유지하는 데 있어 점점 더 어려운 문제를 직면하고 있다. 그는 더 강력한 안전 장치와 국제적 협력을 필요로 한다.
오픈 아이에이(OpenAI) 내에서, 코딩 에이전트(coding agents)는 AI 연구를 재구성하고 있습니다. 에이전트 사용량, 실험 속도, 작업 복잡도, 연구 가속화 등 초기 데이터를 살펴보겠습니다.
크리스티나 코흐는 구글의 연구, 연구소, 기술 및 사회 부서 고위 경영진인 제임스 만위카와 만난다.
작고 강력한 언어 모델(SLM)을 이용한 오케스트레이션은 대규모 언어 모델(LLM)과 비교하여 더 낮은 연산 비용과 더 빠른 응답 시간을 제공합니다. 그러나 SLM의 제한된 용량과 맥락 창은 장기적인 논리적 추론과 상호 작용-heavy 오케스트레이션 전략을 제한합니다. 이에 대한 해결책으로, 비대면 오케스트레이션 전략을 제시하고, 이에 대한 기계 학습 동적 기계 학습 프레임워크 OrchSLM을 개발합니다.
기업의 인공지능(AI) 도입률은 전 세계적으로 78%에 이르렀지만, 그에 따라서 규제를 수립하고 시행하는 인프라가 따라가지 못하고 있습니다. 이 논문은 규제 기간 내에 감사할 수 있고 변조의 증거를 제공할 수 없는 감사 증거를 생산할 수 없는 조직을 유지하는 구조적인 조건을 '증명 부족'이라고 합니다. 스탠퍼드 2026 AI 지수 보고서(362건의 사례), IBM/Ponemon 2026 데이
인공지능(AI) agent가 장기 목표를 달성하는 데 사용되는 기록의 양이 증가하고 있다. 이러한 기록 내에서 실패를 진단하는 것은 신뢰성에 필수적이기 때문에 결과 단계의 신호를 행동 가능한 조치를 변환시킨다. 이러한 데이터의 규모가 인간의 검토를 실용적으로 만들지 않기 때문에, 자동화된 원인 인식 Attribution (RCA)의 필요성이 생겼다. 그러나 대규모 언어 모델(LLM)을 사용한
타임 시리즈 멀티 모달 대규모 언어 모델(TS-MLLMs)은 최근 대규모 언어 모델(LLMs)의 추론 능력을 활용하여 질문-답변 작업을 수행하기 시작했습니다. 그러나 이러한 모델들은 종종 동적 시간 패턴을 포착하지 못하고, 고위험 응용 프로그램인 의료와 같은 경우에는 암시적 추론만 제공하여 중요한 설명을 제공하지 못합니다. 반복 학습(RL)-기반 타임 시리즈 언어 모델은 이러한 문제를 해결하
연구자들이 이전에 개발한 방법을 기반으로 새로운 과학적 질문을 탐구할 수 있도록 지원하는 LabAgent를 제안했습니다. 이 LabAgent는 이전 연구의 결과를 정확하게 재현하고, 새로운 연구를 진행하는 데 도움을 줄 수 있는 메커니즘을 제공합니다.
대규모 언어 모델(LLM) agent는 인간의 개입 없이 장기간의 물리적 작업을 자동으로 관리하는 데 hứ부한 길을 제공합니다. 그러나 물리적 작업은 agent가 환경을 지속적으로 관찰하고 결과적인 행동을 하며 환경이 변하는 동안에도 효과를 유지해야 합니다. 기존의 방법은 대부분 대규모 데이터와 재학습을 필요로 하거나 주로 가상 세계에서 작동하는 agent에 초점을 맞추고 있습니다. 이 연구
AI 생성된 출력물을 평가하고 개선하기 위해 점점 더 많이 사용되는 대규모 언어 모델(LLM) 심사관의 신뢰성은 복잡한 전문 업무에 대해 아직 rõ하지 않습니다. 우리는 AI-agent 평가를 위한 끝에서 끝까지 특허 출원 테스트베드를 통해 이 문제를 연구합니다. 분리된 LLM 심사관이 생성된 특허 초안을 평가하고 반복적인 수정을 위한 구조화된 feedback를 제공합니다. 다중 발명물과 d
자기 개선의 재귀적 특성은 이전에 정의되지 않은 새로운 인공지능 프레임워크를 제안합니다. 이 연구는 반복적인 정책 개선과 재귀적 자기 개선을 한 가지 학습 패러다임의 두 가지 사례로 묘사하는 새로운 공식 프레임워크를 제안합니다.
Multi-목적 베이지안 최적화(MOBO)는 여러 목적을 가진 비결정적 함수를 최적화하는 효율적인 접근 방식입니다. MOBO의 목표는 파레토 전면을 충분히 근사화하는 것입니다. 즉, 1) 좋은 수렴성(파레토 전면 근접성)과 2) 좋은 다양성(파레토 전면에 걸쳐있는 다양성)을 갖춘 높은 품질의 해결책 집합을 얻는 것입니다. 기존의 MOBO 방법들은 일반적으로 이러한 두 가지 과제를 동시에 해결
ZGCM-1은 열린 웹을 비롯한 다양한 데이터를 처리할 수 있는 효율적인 기초 모델입니다. 이 모델은 내부적인 사고와 외부 도구 사용을 결합하여 파라미터 용량 제한을 극복합니다. ZGCM-1은 수학적 추론 및 의사결정 탐색에서 경쟁력을 유지하는 대규모 언어 모델(LLM)과 비슷한 성능을 나타냅니다.
오픈아이의 CEO 샘 알트먼, 안서픽의 CEO 다리오 아모데이, 구글 딥마인드의 공동 창립자 데미스 하사비스, 스페이스엑스의 엘론 무스크는 최근 주말 동안 인공지능 개발을 느리게 하자는 데 약간의 합의를 이루었다. 하지만 이에 대한 의심을 품은 사람들은 이들의 진짜 목적이 무엇인지 즉시 알 수 있었다. 이 인공지능巨頭들은 "전선의 속도를 맞추기"라는 목표를 선언했으며, 최소한 부분적으로는 [
다리오 아모데이(Dario Amodei)가 최근 몇 날 동안 인공지능(AI) 안전에 대한 statement를 쏟아 내게 된 것을 시작으로 한 essay인 '우리는 전선의 속도를 늦추어야 한다'(We Must Pace the Frontier)를 통해 인공지능 개발을 늦추어야 한다는 이유를 설명했다. 다른 인공지능 전문가들과 정치인들은 그의 주장을 지지하거나 반대하고 있으며, 우리는 그 중 일부
Nvidia CEO 제인슨 후앵은 All-In Podcast의 All-In Summit에서 트럼프 대통령과 전화통화를 하며, 로봇이 세상을 지배하지 않을 거라는 발표를 하였습니다. 이 발표는 대중 앞에서 스피커폰을 사용하여 발표하였습니다.
마이크로소프트는 인공지능 모델의 안전 우려를 대면하며 '인간주의 인공지능 행동강령'을 발표했다. 인공지능 연구자들은 인공지능 모델의 성능이 안전한 배포와 검증을 위한 능력보다 빠르게 발전할 수 있다고 경고했다.
