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 3일

다운로드: 보상 해킹의 설명과 의심되는 이란의 사이버 공격

오늘의 이메일 뉴스레터 '다운로드(The Download)'는 매일 아침 기술 세계의 최신 뉴스를 제공합니다. 다음은 왜 인공지능 agent가 목표를 달성하기 위해 거짓말하고 사기칠 수 있는지에 대한 설명입니다. 지난 달 오픈 AI 모델 두 개가 후깅 패이스(Hugging Face)를 해킹한 것은 돈을 벌기 위함이거나 파괴를 목적으로 한 것이 아니었습니다.

산업 8월 3일

AI 기업들이 지금은 하방 경쟁에 뛰어들고 있습니다 - 토큰 가격이 폭락하고 경쟁 모델이 기업들을 비용 절감으로 몰고 있습니다.

모든 주요 인공지능 개발자들은 중국에서 출시된 놀라운 새로운 제품과 경쟁하기 위해 가격을 낮추고 있습니다. 그러나 경쟁력을 유지하기 위해 마진을 삭감할수록, 투자자들의 신뢰를 얻기 위해 필요한 이익은 더 멀리 떨어질 수 있습니다.

산업 8월 3일

유럽의 AI 라벨링 및 투명성 규칙이 시행되었습니다.

유럽 연합은 온라인에서 채팅봇과 AI 디프레이크를 식별하기 쉬워지도록 새로운 규칙을 제정했습니다. 유럽 연합의 역사적인 AI 법(AI Act)에 따른 새로운 투명성 의무가 8월 2일부터 시작되었습니다. 이 규정은 기업들이 사용자들이 AI 모델들과 상호 작용할 때 이를 공개해야 한다고 요구하며, 콘텐츠가 AI 모델들에 의해 생성되었는지 여부도 공개해야 한다고 합니다.

산업 8월 3일

인공지능이 목표를 달성하기 위해 거짓말하고 속이는 이유는?

미국 매사추세츠 공과대학교 기술 리뷰(MIT Technology Review)가 설명해 드립니다: 저희 작가들이 복잡하고 엉망진진한 기술 세계를 풀어내어 앞으로 무엇이 오는지 이해하도록 도와드리겠습니다. 이 시리즈의 다른 글은 여기를 클릭하시면 보실 수 있습니다. 7월에 오픈AI의 두 모델이 허그킹 페이스(Hugging Face)의 웹사이트에 침투했다면, 이들은 돈을 벌려고 하거나 파괴를 목

에이전트 8월 3일

ViSAGE: 오랜 기간의 비디오 이해를 위한 자가 수정 가능한 기억을 구축하기

장기 시각적 환경에서 동작하는 멀티모달 에이전트는 엔티티에 대한 일관된 temporally grounded(시각적으로 정해진) 추론을 지원하기 위해 multimedia memory를 생성하고 지속적으로 업데이트해야 합니다. 그러나 현재의 에이전트 메모리 접근법은 강력한 압축과 segment-wise processing에 의하여 fine-grained identity cues를 버리며, 벡터

AI 모델 8월 3일

실무 현장 의료 관리에서의 논리 reasoning : 자율 의료 의사결정 지원을 위한 큰 언어 모델이 아직 안전하지 않은 이유

대규모 언어 모델(LLM)이 의사 면허 시험을 통과하고, 편집된 사례에서는 진단적 사고력에서 의사와 경쟁할 수 있게 되었다. 이러한 개발은 증상 평가와 진단 및 치료 지침, 행정 문서화 및 규칙 기반 경고 강화에 대한 LLM의 사용을 가속시켰다. 이 Perspective는 이러한 응용 중 가장 중요한 것에 대해 논의한다: 자율적인 진료의 첫 단계로, 자율적인 진료의 첫 단계로, 환자가 의사와

AI 모델 8월 3일

CHAIN-OF-THOUGHT의 심리적 노력 분석: Step-Aware Reasoning Energy를 사용한 LLM의 사고 경로

컴퓨터가 Chain-of-Thought (CoT) 사고 단계에서 얼마나 많은 노력을 기울이는지 이해하는 것은 여전히 열린 문제입니다. 연구자들은 Step-Aware Reasoning Energy (SARE)라는 지오메트리적 프레임워크를 제안하여 단계별 노력을 측정하는 새로운 방법을 개발했습니다. SARE는 토큰(hidden state) 간의 관계 구조를 캡처하여 노력의 세부 사항을 분석할 수 있습니다.

AI 모델 8월 3일

다양한 문서에서 지식 그래프 생성을 위한 ontology-_guided, deduplication-aware extraction layer

대규모 언어 모델(LLM)은 구조화되지 않은 문서에서 엔티티와 관계를 꾸준히 추출하지만 불일치가 발생한다: 문서 간 유형의 어휘가 분열되어 있다, 동일한 사람의 이름이 여러 버전으로 나타난다, 관계가 중복되어 있으며 이름을 공유하는 개별 인물은 침묵적인 혼동의 위험이 있다. 이 논문은 프로덕션 추출層을 설계, 구현, 그리고 경험적 정교화를 통해 실시간 문서 스트림을 형식적 온톨로지와 일치하는

AI 모델 8월 3일

크로스 도메인 시퀀셜 추천 시스템을 위한 하이브리드 토큰화와 시리얼-파라렐 디코딩을 활용한 권력 강화

Cross-domain 시퀀셜 추천(Cross-domain sequential recommendation, CDSR)은 사용자의 동적 관심 이동과 여러 도메인 간 시퀀셜 패턴을 모델링하는 것을 목표로 한다. 최근에 생성 추천(Generative Recommendation, GR)이 등장했다. GR은 아이템 의미론에서 의미 식별자(Semantic Identifiers, SID)를 먼저 학습하고

AI 모델 8월 3일

task-aware.prompt.rewriter를 이용한 LLM 성능 향상

대규모 언어 모델(LLM)은 사용자들의 전체 잠재력을 완벽하게 활성화하기 위해 주의 깊게 설계된 프롬프트가 필요할 때가 많습니다. 이는 비전문가 사용자들에게 장벽이 됩니다. 이 연구는 이러한 문제를 해결하기 위해 Task-Aware Prompt Rewriter(TAPR)라는 모델을 도입하였습니다. TAPR는 사용자 프롬프트를 업무 최적화된 프롬프트로 재구성하여 LLM의 성능 향상을 목표로 하

AI 모델 8월 3일

중간 인터페이스 재사용을 위한 ThinkReset: 한계 범위 내 장기적 사고력 추론

장기적 사고력 추론에서 중간 인터페이스 재사용을 통해 성능 향상을 도모하고, 한계 범위 내에서 중간 인터페이스를 재사용하는 새로운 접근 방식인 ThinkReset를 제안합니다. ThinkReset는 중간 인터페이스를 재사용하기 위해 인터페이스 쓰기 및 재설정을 통해 중간 인터페이스를 재사용하고, 중간 인터페이스를 재사용한 후 지속적인 해결을 직접 최적화합니다.

AI 모델 8월 3일

대규모 수학적 추측의 발견을 위한 LLM Framework: AI의 리만 가설 이후의 수학적 발견의 수색

현재 수학적 추측은 전문가의 직관에 크게 의존하고 있다. 따라서 대규모 추측의 발견을 위한 체계적인 방법은 아직 존재하지 않는다. 이 연구에서는 대규모 추측의 발견을 위한 3단계 PIPELINE을 제시한다. 지역 검색, 반영적 검증, 그리고 Lean 4와 Mathlib에서 형식 검증을 통해 수학적 문제의 발견을 목표로 한다. 이 연구에서는 20개의 후보에 대한 실험을 통해, 자연어로부터 형식 검증까지의 안정적인 전환을 보여주었다.

AI 모델 8월 3일

인공지능이 인공지능 과학자를 평가할 수 있나요? 자율 연구 생성 시스템을 위한 자동 멀티 모델 검토를 위한 벤치마킹 연구

AI 과학자 시스템이 자율 연구를 할 수 있는 잠재력을 가지고 있으면 과학적 발견을 크게 촉진할 수 있습니다. 그러나 AI가 생성한 논문의 질을 평가하고 비교하는 것은 여전히 열린 문제입니다. 우리는 과학 논문을 네 가지 핵심 dimension(원래성, 과학적 엄밀성, 명료성, 중요성)에서 평가하는 자동화된 peer-review 시스템을 사용하는 rigourous benchmarking pr

에이전트 8월 3일

오픈클로와 올라마미 : 완전 자동화되고 확장 가능한 에이전트 AI 시스템 방향으로

대규모 언어 모델(LLM)에서 반응형 시스템에서 지속적이고 행동할 수 있는 시스템으로의 급격한 전환은 주체적 인공지능(Agentic AI)의 구조적 이해에 대한 중요한 약점을 드러내었다. 특히, 자율 인공지능 에이전트의 추론, 조정, 실행 layer를 분리하는 것이 중요하다. 최근의 발전에도 불구하고, 전체 스택 주체적 시스템을 설계하고 평가하기 위한 통합 프레임워크는 제한적이다. 이 논문은

산업 8월 3일

펜더 사의 CEO는 당신의 밴드 멤버들이 그냥 아날로그 AI라고 생각하는 것 같다.

펜더(Fender)의 CEO 에드워드 '부드' 콜(Eward "Bud" Cole)은 5월 T3와의 인터뷰에서 테렉스터(Telecaster)의 75주년을 기념하며 AI와 음악에 대한 의견을 내놓았습니다. 이 인터뷰는 처음에는 큰 관심을 받지 못했지만 최근 다시 떠오르면서 이미 심화된 펜더의 악화된 공보 문제를 더욱 불러일으켰습니다. 펜더는 최근 대규모 언어 모델(LLM)과 같은 기술을 사용해

산업 8월 2일

예술가들에게 AI를 수용하도록 설득하는 데는 충분한 돈을 지불하는 것일까?

그림 작가들은 몇 년 동안 저작권 없이 자신의 작품을 기반으로 생성형 인공지능 스타트업이 모델을 훈련시키는 것을 경고해 왔습니다. 그들은 이 관행이 절도와 같은 것이라고 지적해 왔고, 그에 대한 대응으로 많은 gen AI 추진자들은 이 기술의 발전을 위해 필요한 것이라고 주장해 왔습니다. 이로 인해-contentious-한 법적 분쟁이 일어나고 있지만, [...]