AI / SIGNALS / KOREA
최신 AI 모델·에이전트 소식을 한국어로 정리하고, 실제 선택에 필요한 맥락까지 함께 전합니다.
인간 중심주의가旨을 달성하기 위해 내부 연구를 공개하는 것을 주저하는 이유가 무엇인지 궁금하다. 인간 중심주의는 최근에 개발한 모델 '마이토스(Mythos)'의 공개를 제한했다고 밝혔다. 그 이유는 이 모델이 사용자들이 의존하는 소프트웨어의 보안 취약점을 너무 잘 찾을 수 있기 때문이라고 설명했다. cybersecurity concerns가 실제 보안 문제인지 아니면 더 큰 문제를 가리키는 것인지는 아직 분명하지 않다.
메타 AI의 새로운 모델이 출시되기 전까지 앱 스토어 57위였던 앱이, 현재 5위로 상승하고 있다. 메타 AI의 새로운 모델은 대규모 언어 모델(LLM)과 같은 기술을 적용하여 사용자에게 더 나은 경험을 제공한다.
Mercor은 해커에 의해 피해를 입은 후 소송과 함께 대형 고객을 잃고 있다. Mercor은 대규모 언어 모델(LLM)과 같은 cutting-edge 기술을 사용하여 데이터 분석과 인공지능(AI) 분야에서 선두주자로 인정받고 있다. 그러나 최근의 데이터 유출 사고로 인해 Mercor은 큰 어려움을 겪고 있다.
플로리다 주 대학에서 발생한 살인 사건에 챗지피트가 계획에 사용된 것으로 보이며, 피해자 가족은 오픈 아이를 상대로 소송을 제기할 예정입니다.
ChatGPT의 새로운 프로 플랜은 1달에 $100으로, 이전에는 20달러에서 200달러로 가격이 크게 뛰어올랐었습니다. 이 새로운 플랜은 사용자들이 오랫동안 기다려온 기능을 제공합니다.
플로리다 변호총장 제임스 우스메이어는 이전에 리우터스에 의해 보도된 대로 오픈AI에 대한 수사 착수에 나선다. 우스메이어는 4일 성명을 발표했는데, 오픈AI의 데이터와 기술이 "중국 공산당과 같은 미국의 적의 손에 넘어가는 것"에 대한 우려가 있다고 말했다.
OpenAI가 새로운 ChatGPT Pro 구독 서비스를 월 100달러로 출시했습니다. 이 서비스는 대규모 언어 모델(LLM) 기반의 코덱스 코딩 도구의 사용량이 5배 증가하며, 오래된 고성급 코딩 세션에 적합하다고 합니다.
인공 잔디는 환경 문제를 일으키고 있지만, 인공지능의 성장은 놀라운 속도로 진행되고 있습니다. 특히 대규모 언어 모델(LLM)과 같은 기술은 인공지능의 성장에 큰 영향을 미치고 있습니다.
TechCrunch Disrupt 2026 티켓 가격이 10일까지 500달러까지 할인 중입니다. 가격이 다시 오른 후에는 더 이상 할인할 수 없으니 지금 등록하세요!
아마존 CEO 앤디 제시가 연례 주주 편지에서 대규모 언어 모델(LLM)과 같은 다양한 경쟁사에 대한 비판을 제기하며 2000억 달러의 자본 지출을 변호했다.
사이에라의 공동 창립자 브레트 테일러는 AI 에이전트가 소프트웨어 인터페이스를 무너뜨릴 것이라고 예측했다. AI 에이전트는 사용자와의 상호 작용을 개선하고 자동화할 수 있다. 그러나 이 혁신은 새로운 도전과 위협을 동반할 수도 있다.
대규모 언어 모델(LLM)과 같은 AI 기술에 대한 투자와 이윤 창출의 균형을 찾는 AI 산업의 달성 가능성에 대해 논_ALL.
구글의 제미니 AI가 대규모 언어 모델(LLM) 업그레이드 후 3D 모델과 시뮬레이션을 생성하여 사용자 질문에 답변할 수 있습니다. 사용자는 AI 생성된 모델을 회전시키거나 슬라이더를 수동으로 조정하거나 시뮬레이션 값을 변경할 수 있습니다.
해수정리 기술은 물 부족 지역에서 점점 더 중요한 기술로 자리 잡고 있다. 하지만 이 기술이 얼마나 중요한지 정확히 알기 위해서는 많은 수치와 통계를 참조해야 한다. 이 글에서는 해수정리 기술의 다양한 측면을 숫자로 소개하고자 한다.
대규모 언어 모델(LLM)과 같은 기술을 이용한 가짜 잔디는 환경에 미치는 영향을 논의하고 있습니다. Cornell University의 새로운 운동장에 대한 이야기를 통해 가짜 잔디의 문제점을 살펴보겠습니다.
맥북 네오가 출시되면서 윈도우 노트북 제조사들은 위기에 처했다. 윈도우 노트북은 일반적으로 저렴한 가격에 고급스러운 디자인과 성능을 제공하는 맥북 네오와 비교할 수 없다.
YouTube Shorts는 크리에이터들이 카메라에 실질적으로 자신을 복제하는 쉬운 방법을 제공하는 AI-powered 기능을 출시했다. 이 출시에는 이전에 암시된 플랫폼의 AI-generated 콘텐츠와의 난항이 반영되어 있는데, 더 많은 생성 기능을 추가하는 동안 AI 슬롭, 깊이 가짜 스캠, 인상착상을 포함한 AI 오류를 제어하는 데 어려움을 겪고 있다. YouTube는 새로운 도구가...
구글 지니미는 프로젝트에 대한 정보를 한 곳에 모아두고 AI 채팅봇과 상호 작용하는 동안 사용할 수 있도록 도와주는 '노트북' 기능을 얻었습니다. 노트북에는 파일, 과거 대화, 커스텀 명령어 등 다양한 항목을 추가할 수 있습니다.
ATANT은 AI 시스템의 연속성을 측정하기 위한 개방형 평가 프레임워크이다. 연속성은 AI 산업에서 생산된 메모리 구성 요소(라그 파이프라인, 벡터 데이터베이스, 긴 컨텍스트 창, 프로파일 레이어)가 실제로 연속성을 제공하는지 formally 정의하고 측정하는 것은 아직 없다. ATANT은 7개의 필수 속성을 정의하고, LLM이 평가 루프에 포함되지 않는 10점 평가 방법론을 소개한다. 또한 6개의 생애 영역에 걸쳐 1,835개의 검증 질문이 포함된 250개의 이야기로 구성된 이야기 테스트 코퍼스를 제공한다.
최신 연구에서 에이전트 이름, 발견, 상호작용에 대한 개선이 이루어졌지만, 효율적인 요청 라우팅은 지연, 개인 정보 보호, 비용 제약 조건 하에서 여전히 개방된 시스템 문제로 남아있다. 에이전트게이트는 후보 에이전트 호출, 다중 에이전트 계획, 직접 응답, 안전한 격상과 같은 선택 가능한 액션을 결정하는 데 사용되는 라우팅을 구조화된 결정 문제로 형식화하고, 액션 결정과 구조화된 기반에 대한 두 단계로 분할한다.
대규모 언어 모델(LLM)들이 멀티 스텝 수학, 과학, 코딩 과제에서 좋은 성능을 보이지만, 그들의 행동은 여전히 불안정하고 해석하기 어렵고, 기존의 분석 도구들은 이러한 긴 구조화된 사고 추적에 어려움을 겪고 있다. 연구자들은 Step-Saliency라는 새로운 도구를 제안하여, 이러한 문제를 해결하려고 한다.
다중 에이전트 강화 학습 시스템의 실제 세계 배포는 제한된 컴퓨팅 메모리, 인퍼런스 시간에 의해 제한됩니다. 전문가 정책은 높은 성능을 달성하지만 비용이 많이 드는 의사 결정 사이클과 대규모 모델에 의존하여 EDGE 장치나 임베디드 플랫폼에서 실용적이지 않습니다. 지식 압축은 리소스-지향적 실행에 대한 유망한 경로를 제공하지만 현재 다중 에이전트 강화 학습에서 지식 압축은 주로 행동 모방에 초점을 맞추고 조정 구조와 균일한 에이전트 능력을 가정하는 경우가 많습니다.
논리적 추론을 위한 일반화에 대한 재고: 최적화, 데이터, 모델 가능성에 대한 조건부 분석 논리적 추론을 위한 일반화에 대한 보편적인 이야기 인 LLM(대규모 언어 모델) 후 훈련의 주요 시나리오에 따르면, 감독 훈련(Supervised Finetuning, SFT)에서는 학습을 기억하며 강화 학습(Reinforcement Learning, RL)은 일반화한다고 말한다. 우리는 이 주장을 논리적 추론을 위한 SFT와 긴 chain-of-thought (CoT) 감독을 사용하여 재고하고, 최적화
작은 언어 모델(SLM)은 점점 더 많은 상호작용적인 의사결정 에이전트로 사용되고 있지만, 대부분의 의사결정 평가에서는 감정을 의사결정에 영향을 미치는 요인으로 고려하지 않고 있습니다. 이 연구에서는 감정에 민감한 의사결정을 연구하기 위해 표현 수준에서 감정을 유도하는 데 사용되는 활성화 조정과 구조화된 게임 이론적 평가를 결합했습니다. 실세계 감정을 유발하는 텍스트를 사용하여 crowd-validated한 감정 유발 텍스트를 사용하여 감정 상태를 유도하는 데 사용됩니다. 이 연구에서는 대규모 언어 모델(LLM)과 같은 다양한 모델 가족을 사용하여 다양한 아키텍처와 모달리티에서 실험을 수행했습니다. 실험 결과, 감정적 변동이 전략적 선택에 영향을 미치지만, 결과된 행동은 종종 불안정하고 인간의 기대와 일치하지 않습니다. 마지막으로, 감정적 변동에 대한 강인성을 향상시키기 위한 접근 방식을 요약합니다.
