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.

4,382개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

AI 모델 9월 14일

사회 동력 예측을 위한 적대적 보상 추정 기반 생성 학습 (GLARE: Generative Learning via Adversarial Reward Estimation For Social Dynamics Forecasting)

회의 지속을 위해는 장기 다인 회의에서 agenda 추적, 발언자 역할, 참여자 의도 및 불일치 추적이 필요하다. 우리는 2,207 개의 실세계 회의와 24,794 개의 미래 지향적 쿼리에서 Meeting Dynamic Forecasting Benchmark(MDFB)를 소개한다. 회의 전면과 활성 질문이 주어졌을 때, 모델은 한 번의 호출로 가능성 있는 다중 회전 연속성을 생성한다. 우리는

AI 모델 9월 14일

LLM이 사용하는 드래프트-검증-수정 Pipe라인이 의사소통의 암묵적 모호성 문제를 해결할 수 있을까?

LLM이 사용하는 드래프트-검증-수정 Pipe라인을 통해 의사소통의 암묵적 모호성 문제를 해결할 수 있는지 연구한 결과, GPT-5.2와 Gemini 3 Pro가 높은 성능을 보였다. 그러나 Pipe라인의 오류가 발생할 경우, 모호한 의사소통이 재발할 수 있으므로, Pipe라인의 설계에 주의가 필요하다.

연구 9월 14일

과학 문헌에서 발굴한 것: 재료과학에서 원자층 증착과 이탈 처리를 위한 프로세스 스키마

arXiv:2609.12139v1 발표 형식: 새로운 abstract: 원자층 증착(Atomic Layer Deposition, ALD)과 원자층 에칭(Atomic Layer Etching, ALE)은 재료 과학에서 실험과 시뮬레이션 문헌에서 공통적으로 보고되지만, 비교와 기계가 작동할 수 있는 재사용을 방해한다. 우리는 ALD와 ALE 실험 및 시뮬레이션 과정에 대한 네 개의 도메인 전문가

AI 모델 9월 14일

성공적인 지식 그래프 편집이 정확한 답변을 대체할 때: 매개변수 지원을 초과하는 rank 수준의 근접성

지식 그래프 임베딩(Knowledge Graph Embedding, KGE) 모델을 편집하여 원하는 답변을 추천하는 것만으로는 올바른 답변을 목록에서 밀어내는 문제를 해결하지 못할 수 있다. 단지 편집된 매개 변수를 재사용하는 사실만을 기반으로 하는 지역성 테스트는 rank-displacement 효과를 놓칠 수 있다. 우리는 세 가지 범위에서 공통 rank-displacement 감사 절차

AI 모델 9월 14일

언어는 정량적 사고를 위한 충분한 토대가 아니며, 결과적인 영역은 큰 정량적 모델이 필요하다.

학습된 기계 학습 모델이 실제로 중요한 수치적 결정을 내리려면 대규모 언어 모델(LLM)의 발전이 필요하다는 가정은 일반적이다. 예를 들어, 가격 위험을 평가하는 것, 자본을 배분하는 것, 환자들을 분류하는 것, 또는 네트워크 침투를 방지하는 것과 같은 결정은 언어 모델의 발전으로부터 나와야 한다. 그러나 언어 모델은 인간이 세계를 설명한 표현에 훈련된 것이다. 이 설명은 수치 기록의 손실적

AI 모델 9월 14일

언어 모델 및 전제 조건의 능력에 따라 풀링을 통한 사건 예측

Hy브리드 예측에서 언어 모델은 여러 신호 중 하나일 때 자주 사용된다. 시스템은 이미 시장, 대중, 통계적 예측을 가지고 있어 모델이 유용한 정보를 제공하는지 여부를 결정해야 한다. 따라서 독립된 모델 정확성보다는 상대적 compétence, 즉 모델이 제공하는 외부 예측의 외재적 예측 외에 추가적인 가치가 있는지 여부가 중요하다. 브라이어 손실(Brier loss)에서, 모델의 불일치가

연구 9월 14일

전체 심장의 읽기: 중첩-주의 방지 가면 자기 인코더를 이용한 다중 모드 심장 표현 학습

심장 질환의 진단은 ECG, 초음파 카디오그래피, 흉부 엑스레이, 임상 변수 등 각기 다른 부분이지만 상호 관련된 심장 생리학의 측면을 포괄하는 다양한 방법들을 통합하는 것으로 나아간다. 그러나 대부분의 의료 기초 모델은 모드별로 구분되어 있으며, 대부분 모드별로만 학습이 진행되어야 한다. 이러한 방법은 임상진료사들이 자연스럽게 통합하는 교차 모드 증거를 무시하고, 각 모드 내의 구조를 무시

에이전트 9월 14일

어그제티브 코딩에서 하네스 효과 분리: 오염 제어를 위한 개인 전용 공간

대형 언어 모델(LLM)을 조작하는 시스템인 '해쉬'(harness)가 개발되었다. 이 해쉬는 대형 언어 모델과 함께 사용되는 도구, 프롬프트, 제어 흐름으로, 대형 언어 모델을 자율 소프트웨어 개발자로 변형시킨다. 해쉬는 각 벤더가 대형 언어 모델과 함께 사용하는 해쉬를 제공하며, 사용자는 벤더가 제공하는 해쉬와 대형 언어 모델을 사용할 경우 더 많은 작업을 해결할 수 있다고 가정한다. 이