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.

4,504개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

산업 4월 27일

오픈AI, 마이크로소프트와의 $50억 계약 위기 넘어간다

오픈AI는 마이크로소프트와의 정상적인 협력관계를 유지할 수 있게 되었다. 오픈AI는 마이크로소프트가 주식의 상당 부분을 보유하고 있는 상태였기 때문에, 마이크로소프트의 반대여부에 따라 AWS에서 제품을 판매할 수 있는 여부가 결정되었다. 하지만 마이크로소프트와의 협의를 통해, 오픈AI는 AWS에서 제품을 판매할 수 있게 되었다.

도구 4월 27일

카나바, '팔레스타인' 관련 디자인 자동 교체 논란에 사과

카나바의 새로운 AI 기능이 디자인에서 '팔레스타인'이라는 단어를 자동으로 교체하는 문제가 발생했습니다. 카나바의 '마직 레이어' 기능은 평면 이미지를 분리하여 편집 가능한 구성 요소로 바꾸는 기능입니다. 그러나 사용자가 발견한 결과, 이 기능은 사용자 디자인에 가시적인 변경을 가하는 것으로 밝혀졌습니다.

산업 4월 27일

AI가 설계한 자동차가 모습을 드러내고 있다

자동차 디자인 세계는 고급 3D 시각화 도구와 VR 조각 플랫폼으로 가득하지만, 평균적인 새로운 자동차는 스케치로 세상에 나오는 것이 일반적이다. 이 스케치들은 전통적으로 모든 각도에서 끝없이 반복되고 보완되는 것을 볼 수 있다. 그 스케치들은 手으로 3D 모델로 변환되기도 하고, 또 다른 스케치로 끝나기도 한다.

AI 모델 4월 27일

ABPMS 프로세스 프레임의 하이브리드 성질에 대한 고찰과 자동화된 프로세스 발견에 대한 영향

AI-Aug먼트된 비즈니스 프로세스 관리 시스템(AI-Augmented Business Process Management System, ABPMS)의 프로세스 프레임(process frame)에 대한 고찰과 자동화된 프로세스 발견에 대한 영향에 대한 연구(arXiv:2604.22455v1)이다. ABPMS의 핵심 구성 요소는 프로세스 프레임이며, 시스템의 프로세스에 대한 인식 및 운영 범위 정의를 제공한다. 전통적인 프로세스 모델과 비교하여, 프로세스 프레임은 관리 프로세스의 더 인플루엔셜한

에이전트 4월 27일

인공지능 사회의 집단 지_iface를 평가하기 위한 초능력자 테스트: 집단 지능을 평가하기 위한 탐색자(agent)로 인공지능 사회를 평가하기

인공지능 사회의 집단 지능을 평가하기 위한 초능력자 테스트: 집단 지능을 평가하기 위한 탐색자(agent)로 인공지능 사회를 평가하기 집단 지능은 단일 개인이 달성할 수 없는 결과를 달성할 수 있는 집단의 능력을 말합니다. 대규모 언어 모델(agent)들이 수백만 명의 인구에 도달할 때, 집단 지능이 스케일로부터 자연스럽게 발생하는지 여부에 대한 열쇠 질문이 arises합니다. 우리는 대규모 자율 에이전트 사회를 평가하기 위한 첫 번째 경험적 평가를 제시합니다. 몰트북(MoltBook)을 연구한

에이전트 4월 27일

스킬에서 재능으로: heterogenous agent를 조직하는 실제 세계 회사

AI 시스템은 단순히 여러 개의 스킬과 도구를 통합하는 것만으로는 충분하지 않습니다. 우리는 각종 단점으로 인해 multi-agent 시스템이 제한된다는 것을 발견했습니다. 이러한 단점을 보완하기 위해, 우리는 OneManCompany(OMC) framework를 제안합니다. OMC는 agent의 자격, 도구, 실행 설정을 포트 able agent identities로 encapsulate하여, typed organisational interfaces를 통해 orchestrating합니다. 이는 heterogeneous backends를 abstract하여, community-driven Talent Market를 통해 on-demand recruitment을 허용합니다.

에이전트 4월 27일

AI 에이전트 검색 벤치마크: AgentSearchBench

AI 에이전트가 성장하고 있는 가운데, 복잡한 작업이 위임되고 실행되는 방식이 변하고 있습니다. 이에 따라, 특정 작업에 적합한 에이전트를 식별하는 새로운 도전이 발생했습니다. 에이전트의 기능은 종종 합성적이고 실행에 의존적이기 때문에, 텍스트 설명만으로는 에이전트를 평가하기가 어렵습니다. 그러나 기존 연구와 벤치마크는 보통 잘 정의된 기능성, 제어된 후보자 풀, 또는 실행 가능한 작업 쿼리만을 가정합니다. 따라서, 실제 에이전트 검색 시나리오가 충분히 연구되지 않았습니다. 본 연구에서는 AgentSearchBench라는 대규모 벤치마크를 제시합니다. 이 벤치마크는 10,000개 이상의 실제 에이전트를 포함하고 있으며, 다수의 제공자에서 가져와 보았습니다. 벤치마크는 에이전트 검색을 수행하는 retrieval 및 reranking 문제로 formalize하고, 실행 가능한 작업 쿼리 및 고급 작업 설명 모두를 고려합니다. 또한, 실행에 기반한 성능 신호를 사용하여 relevance를 평가합니다. 실험 결과, 의미적 유사성과 실제 에이전트 성능 사이에 일관된 격차가 나타났습니다. 이로 인해, 설명 기반 retrieval 및 reranking 방법의 한계가 드러났습니다. 또한, lightweight behavioral signals, 즉, 실행에 의한 probing을 사용하면 ranking quality를 크게 향상시킬 수 있으며, 에이전트 발견에서 실행 신호를 포함하는 중요성을 강조합니다.

AI 모델 4월 27일

인지 쌍둥이: 알츠하이머병의 인지 저하 예측을 위한 강력한 다중 모드 디지털 쌍둥이

알츠하이머병의 개인별 인지 저하 예측은 질병 진행의 다양성으로 인해 어려울 수 있습니다. 신뢰할 수 있는 임상 도구는 높은 정확도뿐만 아니라 인구 통계학적 공정성과 누락 데이터에 대한 내구성을 필요로 합니다. 인지 쌍둥이는 개인별 인지 경로를 예측하는 디지털 쌍둥이 프레임워크를 제시합니다. 이 모델은 인지 점수, 자기 공명 영상, 포즈트론 방출 단백질 영상, 뇌척수액 생화학적 표지자 및 유전학을 포함한 다중 모드 연속 데이터를 통합합니다. Transformer 기반 아키텍처를 사용하여 모사를 결합하고 시간적 동역학을 캡처하기 위해 깊은 마르코프 모델을 사용합니다. 1,666명의 환자 데이터를 사용하여 TADPOLE(Alzheimer's Disease Neuroimaging Initiative) 데이터 세트에서 프레임워크를 훈련하고 평가했습니다. 모델의 예측 오류, 인구 통계학적 공정성 및 누락되지 않은 데이터 패턴에 대한 내구성을 평가했습니다. 인지 쌍둥이는 정확하고 개인화된 인지 저하 예측을 제공합니다. 환자 인구 통계학적 특성에 대한 공정성과 임상 탈락에 대한 내구성을 보여주어 임상试験 보강 및 개인화된 치료 계획을 위한 신뢰할 수 있는 도구로써 이 모델은 임상 환경에서 사용할 수 있습니다.

LLM PC 4월 27일

뒤섞인 무작위성을 특징화하기 위한 배경 온도

대규모 언어 모델(LLM)에서 동일한 입력에 대해 분산된 출력을 생성할 수 있는 배경 온도라는 개념을 도입했습니다. 이 온도는 구현에 의한 비결정성 원인, 즉 배치 크기 변동, 커널 비변인성 및 부동소수점 비연관성에 의해 유발됩니다. 배경 온도는 단순한 온도 조정($T=0$)에도 불구하고 LLM이 동일한 입력에 대해 분산된 출력을 생성할 수 있는 원인입니다.

에이전트 4월 27일

っと, LLM 자가 교정은 언제 도움이 될까? - 제어 이론적 마르코프 진단 및 확인-먼저 개입

대규모 언어 모델(LLM)에서 반복적인 자가 교정은 도움이 되거나 해를 끼치는지 확신할 수 없다. 연구진은 자가 교정의 제어 이론적 프레임워크를 제시하고, 반복적인 자가 교정의 유용성과 해를 끼치는지 판단하는 간단한 배포 진단을 제안한다. 연구 결과, 7개의 모델과 3개의 데이터셋(GSM8K, MATH, StrategyQA)을 사용하여, 유용한 자가 교정과 해를 끼치는 자가 교정의 경계는 EIR(Equivalent Iteration Ratio)가 0.5% 미만인 경우로 나타났다.

에이전트 4월 27일

메멘토: 유형식 의미 기억과 정보 이론적 검색을 위한 장기 수명 에이전트

메멘토는 대규모 언어 모델(LLM) 기반의 에이전트 시스템에서 기억을 개선하기 위한 새로운 메모리 계층을 제안합니다. 메멘토는 유형식 의미 기억 스키마, 자동 충돌 해결 기구, 시간 버전 관리를 포함하고 있습니다. 이 시스템은 Moorcheh의 정보 이론적 검색 엔진을 사용하여 빠른 검색 속도와 낮은 연산 복잡도를 제공합니다.

에이전트 4월 27일

과학적 진실을 찾기 위한 적대적 실험의 필요성

대규모 언어 모델(LLM) 기반의 에이전트가 과학 데이터 분석을 자동화하고, 과학적 발견을 가속화하는 것으로 보이지만, 이는 또한 가짜 분석의 급속한 생산을 가속화하는 것일 수 있다. 이러한 분석은 선택적으로 선택된 분석을 통해 지원되는 가설 공간을 후보 주장으로 변환할 수 있다. 과학적 지식은 코드의 반복적 축적과 후속 통계적 지원으로 검증되지 않는다. 따라서 에이전트의 도움으로 생성된 비 실험적 주장의 진실성을 평가하기 위해 적대적 실험의 기준을 제안한다.

연구 4월 27일

AI 연구를 위한 새로운 인증 프레임워크: AI 지원 연구의 신뢰성

AI 연구 파이프라인이 점점 더 많은 학술 연구 결과를 생산하고 있습니다. 그러나 이러한 연구 결과는 기존의 피어 리뷰 기준을 충족하는 품질과 새로운 점을 가지고 있습니다. 그러나 출판 시스템은 모든 인간 저자에 대한 UNIVERSAL ASSUMPTION을 가정하고, 자동화된 파이프라인을 통해 생성된 지식의 신뢰성을 평가하는 원칙적인 방법이 없습니다. 이러한 문제를 해결하기 위해, 이 연구는 두 가지 계층 인증 프레임워크를 제안합니다. 이 프레임워크는 지식의 품질 평가와 인간의 기여도를 평가하는 두 가지 별개의 계층으로 나누어, 출판 시스템이 파이프라인으로 생성된 연구 결과를 일관되게 및 투명하게 처리할 수 있습니다.

에이전트 4월 27일

논문 읽고 코드 쓰기: 사회과학 결과의 자기적 재생산

지금까지 대규모 언어 모델(LLM) 에이전트를 사용하여 데이터와 코드에 접근할 수 있는 사회과학 결과를 재생산하는 연구가 있었다. 하지만 만약에 논문에만 있는 방법 설명과 원래 데이터만 주어졌을 때, LLM 에이전트가 결과를 재생산할 수 있는지 궁금했다. 이 연구에서는 논문에서 구조화된 방법 설명을 추출하고, 원래 코드, 결과, 논문을 에이전트가 절대 보지 못하는 정보 분리 하에 리IMPLEMENT에이션을 실행하는 자기적 재생산 시스템을 개발했다. 또한, 에이전트가 재생산한 결과와 원래 결과를 셀 수준으로 비교하고, 불일치의 원인을 추적할 수 있는 오류 분포를 위한 단계를 추가했다. 4개의 에이전트 scaffold와 4개의 LLM를 48개의 논문에 대해 인간이 검증한 재생산 가능성을 평가한 결과, 에이전트가 largley 원래 결과를 재생산할 수 있지만, 모델, scaffold, 논문에 따라 성능이 크게 차이가 난다는 것을 발견했다. 불일치의 원인을 분석한 결과, 에이전트의 오류와 논문 자체의 미분명함이 실패의 원인이라는 것을 밝혔다.