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.

4,392개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

에이전트 9월 7일

LLM agent가 동물들을 피하기 위해 돈을 지불할지 여부를 측정하는 HarvestBench

기존에는 목표를 달성하는 과정에서 발생하는 부작용에 대한 기준점이 있었지만, HarvestBench는 부작용을 피하는 데 드는 비용을 측정하고, 그 부작용을 살아있는 생물로 명명하는 최초의 시스템입니다. HarvestBench는 농장 시뮬레이션을 기반으로 합니다: 대규모 언어 모델(sub-agents)로 구성된 트랙터의 조종을 통해 협력적 사탕수수 수확을 수행하며, 농장 내에 동물이 존재합니

AI 모델 9월 7일

기업 언어 모델(Corporate Language Model, CLM): 암묵적이고 분산된 기업 지식과 기업 지식层를 형성하는 소유권 있는, 감사 가능한, 실행 가능한 기업 지능 layer로의 변형

기업의 AI 도입이 모델의 한계로 실패하지는 않지만, 대규모 언어 모델(LLM)은 특정 기업의 개념적 전제(prior)들을 담지 않고 있으며, RAG(Retrieval-Augmented Generation)은 실행 가능한 행동의 길을 열지 못하고 있으며, 정적 플레이북(static playbook)은 논리를 표현할 수 있지만, 논리를 표현하거나 적응할 수는 없다는 문제점이 있다. 이러한 요구

에이전트 9월 7일

더 나은 모델이 더 위험한 시스템을 생성할 수 있는 이유: 금융 시장에서의 LLM Agent들의 증거

대규모 언어 모델(LLMs)은 금융 시장에서부터 콘텐츠 조정에서 hiring까지 실제 세계 시스템에서 대규모로 배포되고 있다. 우리는 개별 모델의 능력을 개선하는 것이 시스템 수준의 결과를 개선하는 것보다 오히려 악화시킬 수 있다고 보여준다. 우리는 공동 훈련과 아키텍처가 더 뛰어난 LLM들이 더 비슷하게 행동하게 만들 수 있으며, 이에 따라 다양성으로부터 벗어나지 않는 상관된 행동을 만들

LLM PC 9월 7일

테스트 시점에 LLM의 신뢰성을 개선하기 위한 제거 기반 접근법

대규모 언어 모델(LLM)은 점점 더 중요한 결정을 위하여 사용되고 있으므로, 이 모델의 행위 ауд토리에서 설명이 중요한 도구가 됩니다. 그러나 이러한 설명은 실제로 모델의 결정을 뒷받침하는 논리를 반영하지 못하는 경우가 많습니다. 우리는 LLM이 질문에 대한 답변과 함께 설명을 제공하는 상황을 고려합니다. 우리는 설명의 불신faithfulness를 두 가지 다른 차원으로 구분합니다: 불완

에이전트 9월 7일

아이리스: 검색 지평선에登문

아크스이브: 2609.04304v1 발표 형식: 새로운 요약: Iris-mini와 Iris-pro라는 두 가지 검색 agent를 35B-A3B와 397B-A17B 스케일에서 훈련하였으며, 이에 따른 데이터 pipe라인과 훈련 레시피를 제시한다. 작업은 웹 코퍼스의 하이퍼링크 구조에서 역으로 재구성되며, 엔터티 그래프에서 seed 페이지와 그 외링크를 통해 멀티-호프 체인 생성, 비답변 엔터티

AI 모델 9월 7일

데이터 최적화 위기 대응 검토: 기계 학습 접근법을 통한 전력 시스템 안정성

전력 시스템의 안정성과 신뢰성을 보장하는 것은 특히 장애가 발생했을 때 필수적입니다. 전력 시스템의 위기 상황을 효과적으로 분류하면 적극적인 판단을 내릴 수 있고 대규모 장애와 실패를 미연에 방지할 수 있습니다. 이 연구에서는 대규모 언어 모델(LLM)에서 사용되는 기계 학습 알고리즘을 이용하여 전력 시스템의 위기 상황의 안전성 수준을 분류하는 safe, moderate, severe 세 가

에이전트 9월 7일

항구 어댑터와 항구 인덱스: 대규모 행위적 평가를 위한 인프라와 커스텀 메타 데이터 세트

연구자들은 최근 등장한 에이전트 평가 지표를 평가하기 위해 어려움을 겪고 있다. 이는 종종 복잡한 환경과 에이전트 통합이 필요하기 때문이다. 우리는 에이전트 평가 지표를 평가하기 위한 통합 평가 인프라인 하버 어댑터(harbor adapters)를 소개한다. 우리의 연구는 세 가지 기여를 한다. 첫 번째로, 우리는 80개 이상의 지표를 평가하기 위한 에이전트에 대한 벤치마크 어댑터(bench

AI 모델 9월 7일

AI 채용 시스템, 평가 및 관리에 대한 체계화된 이야기 검토: 모델을 일치시키기부터 에이전트를 모집하기까지

인공지능이 채용에 적용된 것은 프로파일 pairs와 ranked lists를 대상으로 자동화되는 것을 멀티 스테이지 워크플로우로 옮겨서 증거를 검색하고 후보자를 비교하고 지원 또는 실행할 행동을 지원하거나 실행하는 것을 포함합니다. 이 시스템화된 논문 검토는 대면 검색과 2026년 7월 23일까지의 코딩 프로토콜을 업데이트하고 2026년 9월 2일까지의 목표 업데이트를 사용하여 40개의 대표

도구 9월 6일

롤랜드가 창조적 인 인공지능 음악에 뛰어든다

로랜드의 새로운 멜로디 플립 도구는 회사에 대한 생성 AI 음악의 진출을 나타내지만, Suno와 같은 '버튼을 누르면 노래가 나온다'는 것은 아니다. 멜로디 플립은 디지털 오디오 워크스테이션(DAW)의 플러그인으로 제공되며, 약 250개의 '팔레트'를 제공한다. 이 팔레트는其实적으로 장르별로 정렬된 음악적 아이디어의 주제별 집합이다. 사용자는 이 팔레트 중 하나를 선택하고, 멜로디 플립은 해

산업 9월 6일

마이크로소프트, 뉴욕 타임즈 기사 접근을 허용한 채팅봇 사용자가 거의 없다고 밝힌다.

마이크로소프트의 Copilot는 뉴스 기사와 책의 thậm chí 전체 문장조차도 reproduce하지 못하며, 그야말로 대체할 수 있는 원래의 내용의 구절조차도 reproduce하지 못한다고 회사 측이 새로운 법적 기재에서 밝혔다. 뉴욕 타임즈와 책 저자들 등 출판사와의 저작권 청구를 반박하는 과정에서 마이크로소프트는 소송의 발굴 과정에서 8.2만 건의 Copilot [...]

산업 9월 6일

인스타그램의 AI 감지 시스템이 또 다시 엉망이 되었다.

인스타그램의 AI 라벨은 사용자가 가짜 콘텐츠를 한 눈에 구분할 수 있도록 도와주는 기능입니다. 하지만 최근 몇 주 동안 사용자들은 시스템이 이상하게 작동하고 있음을 보고하고 있습니다. 그들은 메타가 인스타그램 사용자가 생성하거나 편집하지 않은 이미지를 자동으로 "AI 콘텐츠" 라벨을 붙여주고 있다고 말합니다.

연구 9월 6일

인공지능이 사용된 것: 전파원 밀도 시각화로 투명성 벌칙을 완화하는 방법

AI 생성 텍스트가 정교한 문장을 저렴한 비용으로 생성할 수 있게 되면서, 사용자는 더 이상 유창성만으로 진실 여부를 판단할 수 없습니다. 우리는 이 실패 모드를 '유창성 함정(Fluency Trap)'이라고 부릅니다. 사용자는 유창한 허구를 믿으면서, AI 생성된 것으로 밝혀진 정확한 콘텐츠를 할인합니다. 이진 'AI로 제작됨' 레이블은作者의 автор권을 공개하지만, 주장에 대한 증거를