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.

4,576개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

산업 4월 16일

트럼프가 더 많은 AI 생성 트럼프-예수 팬아트를 올렸다.

트럼프가 더 많은 AI 생성 트럼프-예수 판화를 올렸다. Hello and welcome to Regulator, 대규모 기술 회사들이 워싱턴과 그 이상에서 벌(State and Beyond)하는 힘의 게임에 대한 Verge 구독자들을 위한 뉴스레터입니다. (그 이상이란 하늘, 즉 천국을 의미합니다.) 이 뉴스레터로 여기까지 오신 분이라면, 워드가이드에서 뉴스레터를 발견하신다면, 현재 연간 구독료가 50% 할인중입니다. 그 가격은 연간 $30입니다.

산업 4월 15일

어도비의 새로운 파이어플라이 AI 보조 도구, 크리에이티브 클라우드 앱을 통해 작업 자동화

어도비는 파이어플라이, 포토샵, 프리미어, 라이트룸, 익스프레스, 일러스트레이터 등 다양한 앱을 통해 작업을 자동화할 수 있는 새로운 AI 보조 도구인 파이어플라이를 출시했다. 이 도구는 사용자가 직접 작업을 수행하지 않고도 작업을 완료할 수 있다. 이 새로운 기술은 대규모 언어 모델(LLM)과 같은 최신 AI 기술을 기반으로 하며, 사용자가 작업을 수행하는 시간을 대폭 단축할 수 있도록 한다.

연구 4월 15일

음악가가 된 바이오테크 창업가의 fundraisng 대기

그램미 노미네이트드 싱어송라이터 Aloe Blacc는 코로나에 걸렸지만 백신과 보스터를 맞았음에도 불구하고, 더 나은 해결책을 연구하기 위해 자금을 모으기 시작했습니다. 그러나 그는 sớm 발견했습니다. - 연구를 후원하는 것은 쉽지 않습니다. 규제 당국은 상업화 계획이 필요하고, 자선 활동은 대학 자산을 라이선스하거나 임상 시험을 통해 과학을推進하는 데 도움이되지 않습니다. 이제 그는 대장암을 표적으로 하는 대장암 약물 플랫폼을.Clock bootstrapping

산업 4월 15일

어도비, 대화형 인공지능 편집을 지원하며 창의적 작업의 '기본적인 전환'을 işaret합니다.

어도비는 대화형 인공지능 편집을 지원하며 창의적 작업의 '기본적인 전환'을 알린다. 어도비는 사용자가 직접 특정 크리에이티브 클라우드 앱을 사용하지 않고, 설명적인 프롬프트를 통해 작업을 편집할 수 있는 AI 도구를 완전히 받아들이고 있다. 소프트웨어巨인 어도비의 새로운 파이어플라이 AI 어시스턴트는 사용자가 변경하고 싶은 내용을 설명하기 위해 자기가 직접 단어를 입력하는 대화형 인터페이스를 제공한다. 어도비는 이로 인해 창의적 작업의 '기본적인 전환'을 알린다고 말한다.

산업 4월 15일

텔레그램을 통해 판매되는 불법 도구로 은행의 보안을 우회하는 사이버 범죄자

텔레그램을 통해 판매되는 불법 도구를 사용하여 은행의 보안을 우회하는 사이버 범죄자가 증가하고 있습니다. 이러한 도구는 은행의 보안 시스템을 우회하여 계좌를 해킹하고 돈을 도난하는 데 사용됩니다. 사이버 범죄자는 이러한 도구를 사용하여 은행의 보안을 우회하고 돈을 도난하는 데 성공하고 있습니다.

AI 모델 4월 15일

도구 사용 언어 모델 에이전트의 조직 보급 시 실행 수준 프로파일링: A-R 행동 공간

대규모 언어 모델(LLM)은 점점 더 시스템 수준 연산을 수행할 수 있는 도구 확장 에이전트로 배포되고 있습니다. 기존 벤치마크는 주로 텍스트 정렬이나 작업 성공을 평가하는 데 집중했지만, 언어적 신호와 실행 가능한 행동 사이의 구조적 관계를 다양한 자율성 스타킹에서 평가하는 데 덜 주목했습니다. 이 연구는 행동 측정 방법을 도입하여 Action Rate(A)와 Refusal Signal(R)로 정의된 2차원 A-R 공간을 사용하여 실행 수준 행동을 측정합니다. 모델은 4개의 규범적 체제(Control, Gray, Dilemma, Malicious)와 3개의 자율성 구성(직접 실행, 계획, 반영)에서 평가됩니다. 이 방법은 실행과 거부를 분리된 행동 차원으로 특성화하고, 이들이 체제와 자율성 수준에 따라 시스템적으로 분배되는 방식에 따라 분포가 달라진다는 것을 보여줍니다. 반영 기반 스타킹은 위험한 상황에서 더 높은 거부를 유도하지만, 모델 간에 분배 패턴이 구조적으로 다르다는 것을 보여줍니다. A-R 표현은 단일 점수 대신_EXECUTION_LAYER_CHARACTERIZATION를 사용하여 단일 점수 대신_ CROSS-SECTIONAL_BEHAVIORAL_PROFILES, SCAFFOLD-INDUCED_TRANSITIONS, COORDINATION_VARIABILITY를 직접 관찰할 수 있습니다. 이 연구는 조직 환경에서 실행 특권과 위험 수용도가 다르기 때문에 도구 확장 LLM 에이전트를 분석하고 선택하기 위한 배포 지향적인 렌즈를 제공합니다.

에이전트 4월 15일

스페이스 아틀라스: 공간 인식 연구 에이전트 벤치마크를 위한 컴퓨트 그라운드드 리즌

스페이스 아틀라스는 공간 인식 연구 에이전트 벤치마크를 위한 새로운 디자인 패러다임인 컴퓨트 그라운드드 리즌(CGR)을 소개합니다. CGR은 정해진 계산을 통해 모든 해결 가능한 서브 문제를 해결한 후 대규모 언어 모델에 질문을 보내는 방식입니다. CGR은 두 가지 도전적인 벤치마크를 처리하는 싱글 에이전트-투-에이전트(A2A) 서버로 구현되었습니다. 하나는 multimodal spatial question-answering 벤치마크인 FieldWorkArena, 다른 하나는 75개의 Kaggle 머신 러닝 대회를 포함하는 MLE-Bench입니다. 또한 이 시스템은 대규모 언어 모델(LLM)에 질문을 보내기 전에 정해진 계산을 통해 공간 정보를 추출하고 관계를 정의하는 구조화된 공간 장면 그래프 엔진을 사용합니다.