본문으로 건너뛰기

AI / SIGNALS / KOREA

AI의 다음 장면을
가장 빠르게 읽는 법

최신 AI 모델·에이전트 소식을 한국어로 정리하고, 실제 선택에 필요한 맥락까지 함께 전합니다.

4,397개 기사 6시간마다 업데이트

최신 기사

허깅페이스 8월 14일

스트랜즈 에이전트, 레로보트, 그리고 허깅페이스 스토리지 버킷을 통해 한 곳에서 기록, 훈련, 및 배포합니다.

Google의 대규모 언어 모델(LLM)가 작동하는 방식을 이해하는 데 도움이 될만한 새로운 연구 결과가 나왔다. 연구진은 Google의 대규모 언어 모델이 특정 단어의 의미를 바꾸기 위해 단어의 의미를 재정의하는 방식을 사용한다고 밝혔다. 연구진은 Google의 대규모 언어 모델이 특정 단어의 의미를 바꾸기 위해 단어의 의미를 재정의하는 방식을 사용한다고 밝혔다. 이 방식은 단어의 의미를

허깅페이스 8월 14일

ICML 2,200 논문 재현을 통해 배운 점

AI가 인간의 자아를 파악하는 방법을 개발한다 미국 캘리포니아 주립대 연구팀은 인간의 자아를 파악하는 방법을 개발했다. 연구팀은 대규모 언어 모델(LLM)을 이용하여 인간의 자아를 파악하는 방법을 개발했다. 연구팀은 인간의 자아를 파악하는 방법을 개발하기 위해 대규모 언어 모델(LLM)을 이용하여 인간의 말과 행동을 분석했다. 연구팀은 인간의 자아를 파악하는 방법을 개발하기 위해 대규모 언어

허깅페이스 8월 14일

올모어스 지구 임베딩 소개: OlmoEarth Studio에서 다운스트림 분석을 위한 커스텀 임베딩 출력

올모어스 지구 임베딩은 OlmoEarth Studio에서 생성된 임베딩을 다운스트림 분석에 사용할 수 있는 새로운 형식입니다. 이 임베딩은 대규모 언어 모델(LLM)과 같은 다양한 AI 모델에서 사용할 수 있습니다. 올모어스 지구 임베딩을 사용하면 더 나은 성능과 효율성을 달성할 수 있습니다.

허깅페이스 8월 14일

에지 환경에서 더 빠르고 더 좋은 시각 기능을 위한 LFM2.5-VL-3B

미국 내 2023년 8월 9일, 구글은 AI 기술을 활용한 대형 언어 모델(LLM) 'Bard'를 출시했습니다. 이 모델은 구글의 검색 엔진과 유사하게 사용자에게 정보를 제공합니다. 이 모델은 구글의 검색 엔진과 유사하게 사용자에게 정보를 제공합니다. 구글은 이 모델을 통해 사용자가 원하는 정보를 찾는데 도움이 될 것이라고 말했습니다. 구글의 CEO 에리크 슈미트는 "Bard"는 사용자가 원

연구 8월 13일

시스템 물리 및 사이버 물리 시스템에서 시뮬레이션 증거를 통해 영향 지식을 세련하는 개념적 프레임워크

인터넷 논문 데이터베이스(arXiv)에 등록된 논문에서 발췌한 내용입니다. 인터넷 기반 물리 시스템(Cyber-physical systems, CPS)은 여러 전문가들이 특정 분야에 맞춰서 제작한 artefacts를 사용하여 개발됩니다. 이러한 시스템의 동작은 artefacts와 그들이 작동하는 환경과의 상호작용으로부터 발생합니다. 시뮬레이션 및 공동 시뮬레이션은 CPS 동작을 분석하는 필수

에이전트 8월 13일

LLMs을 활용한 공정 다이어그램 엔지니어링: 최적 PFD부터 유효 P&ID까지

공정 흐름 다이어그램(PFD)과 pipe 및 instrumentation 다이어그램(P&ID)의 생성은 주로 수동으로 수행됩니다. AI 기술을 적용하면 공정 자동화, 시간 절약, 금융적 이익을 얻을 수 있을 뿐만 아니라 다이어그램의 토폴로지 옵션을 탐색하고 수동 노동을 줄일 수 있습니다. 연구에서는 P&ID Pilot라는 실제 end-to-end AI pipeline를 제시합니다. 이 pipeline는 두 단계를 처리할 수 있습니다. 첫 번째 단계는 PFD 합성에 집중하고 두 번째 단계는 생성된 PFD를 P&ID로 변환하는 데 집중합니다.

AI 모델 8월 13일

일체형에서 모듈형으로 : 세그먼트 단위 자동 프롬프트 최적화

자동 프롬프트 최적화(Automatic Prompt Optimization, APO)는 프롬프트를 일괄적으로 수정하는 경향이 있어, 한 가지 성능이 향상되면 다른 성능이 저하될 수 있습니다. 우리는 SAPO라는 세그먼트 기반 APO 방법을 제시하고 있습니다. SAPO는 프롬프트를 역할, 문맥, 작업, 출력 형식으로 분해한 다음, 상위 5개와 하위 5개의 예제에 기반하여 대상 향상을 적용합니다

AI 모델 8월 13일

복제된 잠재 저장소의 내용 주소 읽기 : MaSRead

연구자들은 latent space에서 추론하는 독립 agent들이 텍스트 대신 계산된 상태를 key-value 캐시 프래그먼트로 공유할 수 있음을 발견했습니다. 이러한 프래그먼트는 conflict-free replicated data type에 의해 병합되며, 배달 순서나 복제 여부에 관계없이 수렴합니다. 그러나 encode 시점에 알려지지 않은 후속 질의로 인해 병합 캐시를 신뢰할 수 없습

에이전트 8월 13일

자동세계모델 벤치마크: 자율세계모델 연구를 위한 새로운 표준

세계 모델링은 현재 환경에 따라 다양한 아키텍처, 학습 목표 및 상태 표현이 상호 작용하는 복잡한 분야입니다. 이를 해결하기 위해 AI 코드 기반.agent가 자율적으로 연구할 수 있는 환경을 제공하는 새로운 벤치마크가 등장했습니다. 이 벤치마크는 8개의 게임 환경을 대상으로 하며, 고정된 컴퓨팅 비용 내에서 제공된 세계 모델링의 기초를 개선하는 것을 목표로 합니다.

에이전트 8월 13일

작고 저렴한 의사소통 모델링: 노트북에서 대형 LLM--agent 사회를 시뮬레이션하기

대규모 언어 모델(LLM) agent들의 사회를 시뮬레이션하는 것은 비용이 많이 들지만, 이러한 시뮬레이션에서 묻는 질문은 일반적으로 거시적인 차원에서 발생한다. 예를 들어, phase behavior, stylised facts, 그리고 agent들의 수 N에 따라 scaling하는 것들에 대한 질문이다. 이에 대한 해결책으로, 통계 물리학의 관찰을 방법으로 변환한다. 그 방법은 대규모 언

AI 모델 8월 13일

경로 플립 감지보다 손상 修復 여부를 판단하는 것이 더 어려운 문제: 대규모 언어 모델의 Quantized Mixture-of-Experts에서 Causal Route-Mediated 손상

대규모 언어 모델(LLM)에서 Top-k Mixture-of-Experts(MoE) 경로가 불연속적이기 때문에, 배포를 위한 숫자적인 간섭 - 4비트 KV 캐시 양자화 읽기와 보호된 BF16 게이트 - 토큰을 결정 경계를 넘어가는 방식으로 밀어내고 경로를 바꾸는 것을 유발한다. 이 연구는 새로운 손상 완화를 제안하지 않지만, 경로 매개 변수 손상에 대한 원인 관계적 도구, 경험적 발견, 그리고 감지한 한계 결과를 제공한다.

LLM PC 8월 13일

Bayesian 모델 칼리브레이션을 위한 문헌 정보를 기반으로 한 전역 분포 설계

Bayesian 기반의 프로세스 기반 모델의 감리 작업을 위해서는 각 모델의 매개변수에 대한 사전 분포가 필요하다. 많은 연구자들은 이 작업을 수행하기 위해 유니폼 사전 분포를 사용한다. 하지만 유니폼 사전 분포를 사용하는 이유는 이 작업을 수행하기 위한 도메인 지식과 통계 지식이 필요하고, 이를 통해 유의미한 사전 분포를 구축하는 데 시간이 많이 걸린다는 것이다. 우리는 Distribird

에이전트 8월 13일

다중 LLM agent 시스템의 협력적인 대화 결과를 위한 동적 조절

대규모 언어 모델(LLM) 간의 상호 작용에서 구조적으로 반대되는 목표를 가진 두 대규모 언어 모델 agent가 여러 차례 상호 작용할 때, 공통 목표 함수의 부재는 경쟁보다는 붕괴로 이어진다: 방문자는 항복하고, 사이트 agent는 접근 방식을 변화시키지 않고, 대화는 두 agent의 선언된 목표를 달성하지 못한 채 종료된다. 이 논문은 공통 목표 함수가 부족한 경우 대체할 수 있는 통제

산업 8월 13일

언어웨어의 미래는 음성으로, Ring-메이커 Sanbar의 말이 맞는 이유

언어웨어의 시장에서 최근 대박을 치고 있는 것은 노트북을 위한 AI 노트북 장치들이지만, 향후 언어웨어의 미래는 음성으로 전환할 것이라는 Ring-메이커 Sanbar의 말이 맞는 이유를 알아보겠습니다. AI 노트북 장치들은 사람들의 회의와 생각을 기록하고, 요약 및 행동 항목으로 변환하는 데 도움이 됩니다. 하지만 향후 언어웨어의 미래는 음성으로 전환될 것이라는 Ring-메이커 Sanbar의 말이 맞는 이유를 알아보겠습니다.

산업 8월 13일

AI 반지, 인공지능 하드웨어 공동묘지에서 살아남는 이유는?

인공지능 노트북 장치가 최근 몇 년 동안 폭발적으로 성장해 왔다. 이 장치들은 회의와 그들의 요약 및 작업 항목을 캡처하는 데 도움을 주기 위해 크레딧 카드 크기의 장치, 펜던트, 핀, навіть 회의를 녹음하는 이어폰을 포함하여 다양한 형태를 취했다. 이제, 한 wave의 웨어러블 - 특히 반지 -가 사람들의 생각과 아이디어를 캡처하는 데 도움을 줄 수 있다는 것을 믿고 있다. Sandbar는 AI 반지의 장점을 강조하고 있다.