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.

4,598개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

에이전트 4월 7일

돌을 던지듯 6마리의 새가 날아가다: 에이전트와 에이전트십에 대한 고찰

대규모 언어 모델(LLM)에서 대규모 물체를 유도 폐쇄로 대신 다루는 '여섯 새 이론'에 기반하여 에이전트십을 설명하는 새로운 접근법을 제시합니다. 에이전트십에 대한 경험적 토론은 지속성(물체로서 존재)과 제어(역추론 차이)를 혼동하여 에이전트십 주장의 테스트와 위조를 용이하게 합니다. 이 연구에서는 에이전트십을 '여섯 새 이론'에 기반하여 구체적으로 설명합니다.

연구 4월 7일

최소 집합 덮개 문제의 구조적 분할: 유니버스 분해성을 이용한 메타 헷위스트 최적화

최소 집합 덮개 문제는 과학 및 공학 분야에서 광범위하게 적용되는 NP-Hard 조합 최적화 문제입니다. 하지만 대부분의 방법은 유니버스 내의 잠재적인 내재적 구조적 특성을 무시하고, 유니버스를 단일 구조로 다룹니다. 이 COMPUTER SCIENCE 논문에서는 유니버스 분할 가능성(UNIVERSE SEGMENTABILITY) 개념을 조사하고, 내재적 구조적 분해를 이용한 헷위스트 최적화 방법을 제안합니다. 분할 된 서브 문제를 GRASP 메타 헷위스트로 해결하고, 부분적인 해결책을 조합하여 합리성을 유지합니다. 표준 벤치마크 인스턴스 및 대규모 시뮬레이션 데이터셋에 대한 실험 결과, 자연적인 유니버스 분할을 이용한 방법이 해의 품질과 확장성을 향상시킵니다.

에이전트 4월 6일

그랜드코드: 컴퓨터 프로그래밍 경쟁에서 대마스터 수준 달성하기 위한 대인 강화 학습

컴퓨터 프로그래밍 경쟁에서 아직까지 AI가 인간을 능가하지 못하는 마지막 몇 가지 분야 중 하나입니다. 그 중 가장 최근의 결과, 구글의 Gemini~3 Deep Think은 8위에 오르지만 실시간 경쟁 조건 하에 평가되지 않았습니다. 이 연구에서 우리는 컴퓨터 프로그래밍 경쟁을 위한 대인 강화 학습 시스템인 그랜드코드를 소개합니다. 그랜드코드의 능력은 두 가지 주요 요인에 기인합니다: (1) 가정적인 모듈(가설 제안, 해결책, 테스트 생성, 요약 등)을 조정하고 그들을 공동으로 향상시키는 후 교육 및 실시간 테스트 시간 강화 학습; (2) 가정적인 GRPO를 소개합니다. 멀티 스테이지 에이전트 롤아웃에 지연된 보상을 위한 특수하게 설계되었습니다. 그랜드코드는 실시간 경쟁에서 인간 참가자들을 모두 능가하는 최초의 AI 시스템입니다. Codeforces의 최근 세 라운드(1087, 1088, 1089)에서 그랜드코드는 모두 1위를 차지했습니다.

에이전트 4월 6일

대화식 최적화 에이전트를 위한 설계 및 평가: LLM 에이전트를 이용한 인터랙티브 최적화

대화식 최적화 에이전트를 설계하고 평가하는 새로운 방법론을 제안했습니다. 이 방법론은 대규모 언어 모델(LLM)을 이용한 의사결정 에이전트를 역할을 하게 하여 다양한 이해관계자와의 대화를 통해 최적화 문제를 해결합니다. 결과적으로, 대화식 최적화 에이전트는 단일 동작 평가보다 훨씬 뛰어난 솔루션을 찾을 수 있었습니다.

AI 모델 4월 6일

OntoKG: 속성 그래프를 위한 개념 체계 기반 지식 그래프 구성

대규모 지식 그래프를 속성 그래프로 조직하는 데에는 구조적 결정이 필요합니다. 기존 접근법은 이러한 결정들을 파이프라인 코드에 임의로 추출하거나, 지식 그래프를 구성하는 과정과 밀접하게 결합된 스키마를 생성합니다. 우리는 개념 체계 기반 접근법을 제시합니다. 이 접근법은 스키마를 outset에서부터 ontology analysis, entity disambiguation, domain customization, LLM-guided extraction에 사용할 수 있도록 합니다. 핵심 메커니즘은 intrinsic-relational routing입니다. 이 메커니즘은 모든 속성을 intrinsic 또는 relational로 분류하고, 해당 스키마 모듈로 라우팅합니다. 이 라우팅은 스키마를 storage backends와 독립적으로 재사용할 수 있는 명령형 스키마를 생성합니다.

AI 모델 4월 6일

아우디오-비주얼 대규모 언어 모델은 정말 볼 수 있고 들을 수 있나요?

아우디오-비주얼 대규모 언어 모델(AVLLM)은 멀티모달 인식의统一된 인터페이스로 등장하고 있습니다. 연구진은 AVLLM의 내부 작동을 분석하여, 음성과 시각적 특징이 어떻게 중간 계층에서 결합하고, 최종 텍스트 출력을 생성하는지 밝혔습니다. 연구 결과, AVLLM은 중간 계층에서 풍부한 음성 의미를 인코딩하지만, 음성과 시각이 충돌할 때 최종 텍스트 생성에서 이러한 능력은 대부분 표출되지 않는다는 것을 발견했습니다.

연구 4월 6일

구조물 수명주기 최적화 위한 가시적 강화 학습

국가 교량 재산 목록의 새로운 규격에 따라, 교량의 상태를 표현하기 위해 원소 수준의 상태를 사용합니다. 그러나 원소 수준의 상태를 사용하면, 기존의 단일 범주적 정수에서 4차원 확률 배열로 확장된 상태 공간을 설정하는 데 도전이 생깁니다. 이 연구에서는 원소 수준의 상태 표현을 기반으로 최적의 수명주기 정책을 찾ARA는 새로운 가시적 강화 학습 접근법을 제안합니다.

AI 모델 4월 6일

극단적인 기후 불확실성에 대응한 전기 공급사 장기적 재난 투자 계획_framework

전기 공급사들은 спрос의 폭발적인 성장, 노후 설비 및 극단적인 기후 위협에 대응하기 위해 앞으로 몇 년 동안 대규모 자본 투자를 해야 합니다. 이 연구에서는 불확실성을 해결하기 위해 다목적 최적화 문제를 해결하는 데 기존의 자본 계획 프레임워크를 확장하는 기회가 있다고 제안합니다. 이 연구에서는 4단계 프레임워크를 제시합니다. 1) 극단적인 기후를 불확실성의 원천으로 포함합니다. 2) 그리드의 디지털 트윈을 활용합니다. 3) 몬테 카를로 시뮬레이션을 사용하여 변동성을 캡처합니다. 4) 다목적 최적화 방법을 적용하여 최적의 투자 포트폴리오를 찾습니다.