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.

4,398개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

산업 8월 4일

2026년 7월에 발표한 최신 인공지능 뉴스

2026년 7월 구글의 최신 인공지능(AI) 업데이트 내용입니다. Google의 대규모 언어 모델(LLM) 버전 7은 더 강력하고 유연한 언어 처리를 제공합니다. 이 모델은 더 많은 언어와 문법을 학습하고, 더 정확한 자연어 처리를 가능하게 합니다. Google의 대규모 언어 모델(LLM) 버전 7은 또한 더 많은 데이터를 처리하고, 더 빠르게 학습할 수 있는 새로운 알고리즘을 사용합니다.

허깅페이스 8월 4일

LFM2.5-2.6B를 사용하여 지역 에이전트를 어디서나 배포하십시오.

AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글은, AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글은 AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글이 AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글은 AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한

에이전트 8월 4일

자기개선 가능한 LLM agent에서 메모리 보상 인플레이션

대규모 언어 모델(LLM) agent는 점차 경험을 통해 무거치하게 학습한다. 각 에피소드는 외부 메모리에 저장되어 점수를 받고, 이후 비슷한 미래 작업을 위해 재검색된다. 보상을 통해 보는 시점에서 저장된 점수는 암시적, 비파라미터 정책의 대리 보상으로 볼 수 있다. 각 재검색된 에피소드는 정책 개선 단계가 되며, 그 점수가 어떻게 생산되는지에 따라 신뢰도가 좌우된다. 배포 시, 정답 레이

에이전트 8월 4일

LLM을 이용한 최적화 모델링과 제약 모델링: 검색 증강 생성 프로세스

최적화 모델링과 제약 모델링은 깊은 도메인 전문 지식과 모델링 형식 언어에 대한 숙련도가 필요합니다. 이 연구에서는 대규모 언어 모델(LLM)의 최적화 모델링 성능을 향상시키기 위해 검색 증강 생성 PIPELINE을 개발했습니다. 이 PIPELINE은 커스텀 시스니스틱 데이터 세트를 사용하여 500개의 최적화 문제를 생성하고, LangChain LLM agent를 사용하여 문제를 해결했습니다. 실험 결과, Qwen 3 30B Instruct 모델을 사용한 PIPELINE의 정확도가 NL4OPT, MAMO Easy, MAMO Complex에서 각각 40%에서 72%, 40%에서 56%, 32%에서 56%로 향상되었습니다.

AI 모델 8월 4일

LLM 평가를 가속화하는 CoT-aware 코세트 선택

대규모 언어 모델(LLM)의 평가를 위해 필요한 계산 오버헤드가 개발 과정을 지속하는 데 큰 걸림돌이 되고 있다. 코어셋 선택을 통해 평가 속도를 높일 수는 있지만, 현재의 방법들은 대부분 과거 로그 데이터를 대량으로 필요로 하거나(예: 아이템 응답 이론), 표면적인 언어적 편향을 보이며 실제 논리적 사고 공간을 놓치게 된다. 우리는 CoT-Core라는 새로운 코어 질문 선택 프레임워크를 제

AI 모델 8월 4일

지구 친화적인 지구 기반 LLM의 효율성: 소비자 하드웨어에 대한 초기 양적 GPU 전력 벤치마크

대규모 언어 모델(LLM)의 지역 배포는 개인 정보 보호의 우려와 기지 내 추론의 욕구로 인해 점점 더 심화되고 있다. 그러나 소비자 하드웨어에서 에너지 비용은 주로 정확도만 고려하는 대부분의 벤치마크로 인해 아직까지도 매우 불확실한 상태이다. 이 논문은 1B에서 7B 파라미터까지의 열 개의 오픈 소스 대규모 언어 모델이 하나의 소비자 GPU(RTX 4060Ti 16GB)에서 실행되는 하드웨

AI 모델 8월 4일

스몰 미디어 기업(SME)에서 오류를 줄이기 위한 문맥 특화 지식으로 보강된 LLM: RAG 기반 모델링 및 분석

인공지능(AI) 분야의 하나인 대규모 언어 모델(LLM)이 점점 더 소규모와 중소기업(SME)에서 질문-답변 능력과 기업 의사결정 과정 지원을 위해 채택되고 있다. 그러나 LLM이 생성한 출력물에서 발생하는 환각은 정보 왜곡의 원인이 될 수 있어 SME 내에서 사용자의 신뢰도와 신뢰성을 떨어뜨려 있다. 외부 지식源을 모델링 과정에 통합하는 Retrieval-Augmented Generatio

에이전트 8월 4일

자율 개선 오픈포암 에이전트: AutoFOAM

컴퓨터 유체 동역학(CFD)은 현대 공학에서 중요한 역할을 하지만 OpenFOAM과 같은 오픈 소스 솔버를 사용하려면 상당한 지식과 기술, 그리고 시간이 걸리는 설정 파일 설정이 필요합니다. 이 부담을 줄이기 위해 AutoFOAM - 자가 진화하는 대규모 언어 모델(LLM) agent를 제안합니다. 이 agent는 자연어 명령만으로 OpenFOAM 시뮬레이션을 생성, 평가, 실행, 진화시킵니

연구 8월 4일

인공 지능 안전을 위한 의식 측정에 대한 고전적인 생각 실험의 재조명

이 연구 논문은 리비니츠의 물고기 밀, 튜링의 유사 게임, 세어들의 중국 방의 문제를 보존-동일한 인코딩(CCE) 프레임워크를 통해 다시 검토한다. 이 논문은 성공적인 행동을 작업 성과($W_{causal,T}$)로 측정하는 심볼릭 설정을 공식화하고, 내부 구조가 행동을 지원하는 효율성을 작업 성과에 대한 운영 의식($\kappa_T$)으로 측정한다. 이 설정 내에서, 압축되지 않은 검색 시