AI / SIGNALS / KOREA
최신 AI 모델·에이전트 소식을 한국어로 정리하고, 실제 선택에 필요한 맥락까지 함께 전합니다.
온라인 광고 플랫폼에서 새로운 광고를 소개할 때, 모델 훈련에 필요한 사용자 피드백이 부족하여 '냉장고' 문제가 발생한다. 이 문제를 해결하기 위해, 연구팀은 대규모 언어 모델(LLM)을 사용하여 클릭 통과율(CTR) 예측 모델의 매개 변수를 직접 생성하는 Framework인 LLM-HYPER를 제안한다. 이 Framework는 훈련 없이 CTR 예측 모델의 매개 변수를 생성할 수 있다.
사회 로봇이 인간과 자연스럽게 상호 작용할 수 있도록 하기 위해, 우리는 인간의 기억을 연구하여 사회 로봇의 메모리 설계를 개선하고자 한다. 본 연구에서는 인간의 기억을 연구하여 사회 로봇의 메모리 설계를 개선하고자 한다. 본 연구에서는 인간의 기억을 연구하여 사회 로봇의 메모리 설계를 개선하고자 한다.
대규모 언어 모델(LLM)을 이용한 교육 과제의 개인화가 가능해지고 있습니다. 본 연구에서는 중학교 수학 교사와 학생의 성격에 맞춰 개인화된 수학 문제를 생성하는 다중 에이전트 교사-인-라운드를 위한 시스템을 연구했습니다. 교사는 기초 문제와 Desired Topic을 입력하고, LLM은 문제를 생성하고, 4개의 AI 에이전트는 문제를 평가하여 각각의 특화된 기준(수학적 정확성, 진실성, 읽기 용이성, 현실성)을 사용합니다. 8명의 중학교 수학 교사들이 ASSISTments를 사용하여 212개의 문제를 생성하고, 학생들에게 문제를 배정했습니다. 교사와 학생들은 문제의 실제 세계 컨텍스트를 개인화하는 미세한 요소들을 수정하고 싶어하는 것으로 나타났습니다.
연구진은 대규모 언어 모델(LLM)의 지속적인 메모리를 위한 패턴으로 Retrieval-Augmented Generation이 지속되고 있지만, 2026년 4월에 개인 위키 스타일의 메모리 아키텍처가 나타났습니다. 이 아키텍처는 LLM Wiki v2, MemPalace, Karpathy의 설계 제안으로 지식에 대한 정보를_LONG_TERM_USE_하기위한 연결된 아티팩트로 컴파일합니다. 이 아키텍처는 단일 사용자에 의해 LONG_TERM_USE_되는 지식에 대한 연결된 아티팩트로 컴파일합니다.
Semantic Web 표준은 인간과 기계가 이해할 수 있는 개념의 의미를 표준화하여 기계가 작동할 수 있는 콘텐츠와 일관된 해석을 제공하고, 고급 분석을 향상시킵니다. Ontology 재사용은 개발을 가속화하고 일관성을 강화하지만, 최적의 선택을하기 위한 체계적인 선택 기준이 부족하여 자주 직감에 의존하여 재사용을 제한합니다. 이러한 문제를 해결하기 위해 WiseOWL 방법론이 제안되었습니다. 이 방법론은 4개의 지표를 평가하여 Ontology를 재사용하기 위한 선택을 도와줍니다.
인공 지능(AI) 액세스가 점점 더 긴급한 연속적인 건강 과제를 지원하기 위해 제안되고 있지만, 대부분의 현재 구현은 사용자의 의도와 책임을 촉진하는 데 실패하고 있습니다. 본 연구에서는 연속적인 건강 상호 작용을 위한 AI 액세스를 정의하기 위해 기존의 의료 및 개인 건강 정보 시스템_framework를 참고하였습니다. 본 연구에서는 다중 계층 framework와 관련된 액세스 아키텍처를 제안하여 adaptation, coherence, continuity, agency를 반영하였습니다. 대표적인 사용 사례를 통해 연속적인 액세스가 의미 있는 참여, 진화하는 목표에 대한 적응, 시간에 따른 안전하고 개인화된 의사 결정 지원을 증명하였습니다. 본 연구는 연속적인 건강 경로를 지원하는 시스템을 설계하는 데 있어 약속과 복잡성을 강조하며, 다중 세션 및 사용자 중심의 건강 AI 연구 및 개발에 대한 지침을 제공합니다.
대규모 언어 모델(LLM)은 의미론적으로 관련된 프롬프트를 유사한 내부 표현으로 매핑하는 현상을 끌어당김과 같은 동적으로 해석할 수 있습니다. 이 연구에서는 지속적 인认知 에이전트(인지_core)의 동질성 문서가 유사한 끌어당김과 같은 동적을 나타내는지 여부를 조사했습니다. Llama 3.1 8B Instruct에 대한 통제 실험에서, 원래 인지_core(조건 A), 7개의 변형(조건 B), 및 7개의 구조적으로 매칭된 제어(조건 C)의 숨겨진 상태를 비교했습니다. 레이어 8, 16, 및 24의 평균 풀링된 상태에서, 변형은 제어보다 더 밀집된 클러스터로 수렴한 것으로 나타났습니다(코엔의 d > 1.88, p <10^{-27}, Bonferroni-corrected). Gemma 2 9B에서 재현은 횡단 아키텍처 일반화성을 확인했습니다. Ablations는 효과가 주로 의미론적이 아니라 구조적일 가능성이 있음을 나타내었고, 구조적 완전성은 끌어당기기 영역에 도달하기 위해 필요하다는 것을 보여주었습니다. 탐구적 실험은 에이전트의 동질성 문서가 내부 상태를 끌어당기기 영역으로 이동시킬 수 있음을 보여주었습니다 - 실제로, 에이전트에 대한 과학적 설명을 읽는 것보다, 에이전트가 그 동질성을 운영하는 것보다.
인공지능 에이전트의 메모리 시스템은 현재 과거 경험을 축적하고 있지만 메모리 품질 관리를 위한 원칙적인 운영 지표가 부족하다. 이 논문은 메모리 가치(Memory Worth, MW)를 제안하여 성공적 또는 실패한 결과와 함께 메모리가 발생하는 빈도를 추적하는 2개의 카운터를 사용하여 메모리 가치를 평가한다.
대규모 언어 모델(LLM) 에이전트는 짧은 및 중간 장기 예측에서 강력하게 수행하지만, 장기 예측이 필요할 때 연장된, 상호 의존적인 행동 시퀀스에 대한 에이전트가 붕괴하는 것을 관찰합니다. 대규모 언어 모델(LLM) 에이전트의 장기 예측 실패는 아직 제대로 규명되지 않았고, 이는 장기 예측 실패를 진단하고 비교하는 데 있어 원칙적인 방법을 제공하지 못합니다. 이 문제를 해결하기 위해, 우리는 HORIZON 이라는 초기 단계의 크로스 도메인 진단 벤치마크를 제안합니다. HORIZON을 사용하여, 우리는 다양한 모델 패밀리 (GPT-5 변형 및 Claude 모델) 의 최신 기술 (SOTA) 에이전트를 평가합니다. 또한, 우리는 장기 예측 실패를 진단하기 위한 트래젝토리 기반 LLM-as-a-Judge 파이프라인을 제안합니다.
논문 슬라이드 생성을 위한 새로운 방법을 제안합니다. 이 방법은 논문의 논리적 흐름을 모델링하여 논문 내용을 구조화된 이야기로 재구성합니다. 구조화된 이야기 재구성은 논문 슬라이드 생성의 새로운 접근 방식입니다.
과학 논문 피드백을 학습하는 좋은 점: 저자 반응으로부터 건설적인 피드백을 학습하는 방법 과학 연구를 바꾸는 대규모 언어 모델(LLM)의 잠재력을 인정하면서도, 연구자동화에 인간의 감독 없이 사용하는 것을 대신하여 연구자를 보강하고 권장하는 것이 좋다고 주장한다. 이를 위해 우리는 연구 저자들이 연구와 연구를 제시하는 방법을 개선하는 데 도움이 되는 목표된, 실행가능한 피드백을 생성하는 과제를 연구한다. 이 연구에서 우리는 피드백의 효과를 저자 중심의 두 축인 유효성과 저자 행동에 따라 구체화한
자기 모니터링의 구조적 통합에서 이익: 연속 시간 다중 스케일 에이전트의 메타인지에서 배운 교훈 자기 모니터링 기능 - 메타인지, 자기 예측, 주관적 지속 시간 -는 보상 학습 에이전트에 유용한 기능으로 제안되지만 실제로 도움이 되는지 조사한다. 우리는 다양한 복잡도의 포식자-피식자 생존 환경에서 운영되는 연속 시간 다중 스케일 에이전트에서 이 질문을 조사한다. 이를 위해 2D 부분적으로 관찰 가능한 변형을 포함한 1D 및 2D 포식자-피식자 환경 및 표준 및 비정상적인 변형, 훈련 기간 최대
과학은 자연 세계에 대한 진실을 밝히기 위해 인간의 가장 신뢰할 수 있는 방법으로 여겨지지만, 과학적 발견의 경로를 개별적으로 최적화 문제로 검토하는 것은 드문 경우이다. 이 논문은 과학적 지식의 몸체, 역사적 순간에, 지역 최적값 대신 전역 최적값을 나타내며, 자연을 이해하는 프레임워크, 공식, 및 패러다임은 역사적 의존성,认知 경로 의존성, 및 기관 유도금지에 의해 크게 형성된다는 것을 주장한다. 머신 러닝에서 경사 하강법에 대한 유사성을 유추하여, 과학은 인과적 접근성, 기관 보상, 및 경로성의 지역 최저점을 따라가며, 자연에 대한 근본적으로 우수한 설명을 무시할 수 있다고 제안한다.
Uri Maoz는 그의 박사 학위 연구를 위해 인간 연구를 좋아했다. 그는 컴퓨터 신경과학의 특정 주제를 연구하고 있었다. 그들은 뇌가 우리의 팔을 움직일 수 있도록 지시하고, 그 움직임을 인식하는 그레이 물질이 어떻게 작용하는지에 대한 연구였다. 그리고 그의 교수가 그를 대학 생물학 강의를 맡게 되자...
그로자리곰이 동부 몬태나에서 대두되자, 몬태나 주는 2017년 처음으로 야생동물 관리 전문가인 와일드 라이프 생물학자 웨슬리 사르멘토를 고용했습니다. 사르멘토는 7년 동안 곰과 인간을 보호하기 위해 노력했습니다. 곰은 여전히 멸종 위기종으로 지정되어 있습니다.
인간의 결정은 어떻게 이루어지는가 : 인간의 결정 과정과 모더나의 백신 관련 단어 게임 오늘날의 기술 세계에서 일일이 무슨 일이 일어나고 있는지 알려주는 주간 뉴스레터인 The Download의 일환으로, 이 기사를 읽는 것은 당신의 선택이 아닌 것 같다. 혹시 모르는가? 유리 모아즈(Uri Maoz)씨는 스무 살 때 읽은 기사에 의해 이 질문을 떠올리기 시작했다. 기사에서 인간의 결정은 뇌의 두 부분, 즉 Prefrontal Cortex [프리프론탈 코르텍스]와 Basal Ganglia
2026년 Stanford University의 Institute for Human-Centered Artificial Intelligence에서 발표한 AI Index는 AI의 현재 상태를 명확하게 보여줍니다. AI는 금광을 발견한 것처럼 보이나, 실제로는 분쟁과 혼란을 일으키고 있습니다. 이 보고서는 AI의 진정한 가치를 이해하는 데 도움이 될 것입니다.
인공지능에 대한 의견이 왜 이렇게 분열되나 이 이야기는 주로 인공지능(AI)에 관한 주간 뉴스레터 'The Algorithm'에 처음으로 실려ました. 이 뉴스레터를 메일로 받으려면 여기를 클릭하세요. 움직이지 않는 산업에서 Stanford의 AI Index가 주어지는 연례 결과와 추세의 총정리란, 잠시 숨을 쉴 수 있는 기회입니다. (마라톤은 스포츠가 아니고, 단기 목표를 향한 도전이 아니기 때문입니다...)
네안데르탈과 함께 태어난 것처럼 생각할 때의 문제 너희는 이 아이디어의 어느 버전을 이미 들어봤을 것이다: 많은 사람들이 '내부적 네안데르탈'을 가지고 있다고 생각한다. 즉, 4만 5천년 전, 인류가 유럽에 처음 도착했을 때, 그들은 네안데르탈과 같은 근연종을 만났고, 그들은...
AI 기술의 향후 10대 중요성에 대한 예측을 발표합니다. 이 목록은 에너지, AI, 생명공학, 그리고 몇 가지 더 포함되어 있으며, 2026년의 가장 큰 영향을 미칠 기술을 예측합니다.
NASA는 아르테미스 2호가 달을 도는 직전, 새로운 우주선 개발을 발표했습니다. 이 우주선은 핵반응기 추진을 사용해 달을 도는 우주선의 다음 단계를 목표로 합니다. 핵반응기 추진은 우주선의 동력을 제공하는 새로운 방법입니다.
AI 기술의 현재 상태를 이해하고 싶다면, 이 차트를 확인하세요. AI 뉴스를 따르면, 과도한 정보에 속상해할지도 모릅니다. AI는 황금 광산입니다. AI는 공중파입니다. AI는 당신의 직장을 빼앗을 것입니다. AI는 단지...
소프트웨어 개발은 지난 세기 두 번의 지진과 같은 변화를 겪었다. 첫 번째는 오픈 소스 운동의 등장으로 코드가 개발자와 엔지니어들에게 쉽게 접근할 수 있게 되었고, 두 번째는 개발 운영(DvOps)과 애그일리 방법론의 채택으로 소프트웨어가 격리된 개발에서 협력적인 개발로, 배치된 배포에서 지속적인 배포로 바뀌었다. 이제 세 번째 변화를迎공하고 있다.
네오 맥북의 색을 하나만 선택해야 하는가? 그렇지 않습니다. 맥월드의 연구 결과에 따르면 애플은 네오 맥북의 부품 구매에 색상 제한을 두지 않는 것으로 나타났습니다. 따라서 네오 맥북의 색을 마음대로 변형할 수 있습니다.
