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.

4,417개 기사 6시간마다 업데이트

최신 기사

연구 7월 16일

사이클 교차를 통해 TopSpin 퍼즐을 해결하는 CayleyR

arXiv:2607.13219v1 발표 우리는 Cayley 그래프에서 순열 퍼즐를 해결하기 위해 순열 사이클 교차점을检测하는 R 패키지인 cayleyR를 제시합니다. 핵심 알고리즘은 초기 및 목표 순열 상태에서부터 반복적인 양방향 검색을 수행합니다: 랜덤 연산 시퀀스가 순서가 같은 집합(Sn)의 Cayley 그래프에서 사이클을 생성하고, 그 교차점은 연결 경로를 생성합니다. 직접 교차점이 발

LLM PC 7월 16일

인간 선호도와 설명을 통해 월드 모델을 이용한 안전한 Agent 행동 학습

안전한 환경에서-agent 정책을 교육하고 안전한 정책을 배포하는 문제를 해결하기 위해, 환경 동적이 알려지지 않고 적합한 보상 함수가 없을 때 문제를 다룹니다. 안전한 환경에서, 우리는 전통적인 강화 학습이 불실용적이라고 생각하고, 인간의 입력을 사용합니다. DROPJ라는 인간 중심의 방법을 제안하여 안전한 교육과 배포를 모두 처리합니다. 우선, 실제 세계의 이전 트래젝토리 데이터 세트에서

에이전트 7월 16일

오라클 에이전트 메모리: 장기 기상 에이전트의 기업 메모리 서브스트레이트

장기 기상 에이전트의 메모리는 시스템 문제입니다. 실제 배포에서는 임의의 대화 내에 작업 상태를 유지하고 사용자 고유의 사실과 선호도를 세션 간에 회복하고 이전 결과에서 절차적 지식을 축적해야 합니다. 이러한 요구 사항은 문서 검색을 초과합니다. 메모리 층은 반드시 상호 작용이 지속적인 상태가 되는지, 상태가 범위화되는지, 지연 제한 내에서 상태를 검색하는지, 시간에 따라 상태를 수정하거나 삭제하는지 결정해야 합니다. 이 보고서는 오라클 데이터베이스에 기반한 오라클 에이전트 메모리(Oracle Agent Memory)라는 데이터베이스-네이티브 메모리 서브스트레이트를 연구합니다. 세 가지 주제가 논의를 조직합니다: 메모리가 인식, 추출, 통합, 검색, 요약, 수정 또는 삭제를 포함하는 라이프사이클; 활성 메모리 코어와 사용자, 에이전트 및 스레드 간의 명시적인 범위 제어를 갖는 비활성 메모리 저장소 인터페이스를 분리하는 층별 아키텍처; 다운스트림 작업 정확도와 메모리-중심 측정인 증거 검색, 회상, 지연, 추정 토큰 사용을 포함하는 평가 방법론입니다. 보고서는 LongMemEval 결과를 요약하고, 오라클 에이전트 메모리를 평평한 역사 기준선에 비해 약 10.7배 적은 토큰을 사용하고, 사용 가능한 외부 기준선에 대한 결과를 비교합니다.

에이전트 7월 16일

작은 언어 모델에서 그래프 기반 도구를 이용한 분자 물성 예측 향상

SMILES 문자열에서 제로샷 분자 속성 예측을 위한 작은 언어 모델(SLMs)은 약속을 보여주었지만 구조적 눈이 없는 구조를 가지고 있다. 이는 시퀀스 표현이 중요한 그래프-토폴로지적 단서를 명시하지 못하기 때문이다. 우리는 모듈러 콘텍스트-증강된 프롬팅 프레임워크를 제안한다. 이 프레임워크는 추론 시점에 도구 사용을 가능하게 하며, 훈련된 GNN 전문가 모델은 예측 힌트와 자신감을 제공하

연구 7월 16일

신경-symbolic AGI 로봇의 확률론적 확장: 벨랩의 타입화된 의도적 FOL

신경-symbolic AI는 신경학습과 symbol reasoning을 결합하여 단순한 신경계 시스템의 한계(해석 불가성 및 논리 구조 부재)를 극복할 수 있는 방법입니다. 본 논문에서는 Nilsson의 확률 구조를 기반으로 하여 현재 불확실한 문장을 위한 확률 계산을 사용하여 IFOL_B의 cognitve 능력을 확장합니다. 또한, global symmetry transformation과 local transformation을 소개하여 현재 지식 데이터베이스와 논리적 추론을 보존합니다.

AI 모델 7월 16일

LLM Chain-of-Thought를 위한 블랙박스 전제문 의존성 테스트: 개입적 바닥감 지진 검사

대규모 언어 모델(LLM)은 논리적으로 정당해 보이는 chain-of-thought(CoT) 추론을 생성하지만 실제로 주어진 전제에 의존하지 않을 수 있다. 우리는 개입적 인 지지審査(interventional grounding audits)를 소개한다. 이는 전제에 대한 단일 개입을 통해 대상 술어를 새로운 символ로 대체하고 모델을 재실행한 후 각 추론 단계의 정규화된 결론(norma

에이전트 7월 16일

AI를 통한 사이버-물리적 간격을 연결하는 SPINE

대규모 언어 모델(LLM)로 구축된 로봇에게는 복잡한 결정을 내리기 위한 세련된 뇌를 제공했지만, 그 지능력을 물리적 플랫폼에 배포하는 것은 여전히 전문가 지식이 필요한 번거로운 조정을 필요로 합니다. 이 배포 격차, 로봇의 척추 신경,는 대규모 인공지능(AI) 물체를 위한 스케일러블한 구현을 위한 주요한 단점입니다. 따라서, 우리는 SPINE(Scalable Physical Integrat

AI 모델 7월 16일

원인지식: AI 학습 데이터셋의 레코드 및 토큰 수준 데이터 원천성

AI 모델 훈련 데이터셋에서 데이터 제공자가 삭제 요청을 하면, 모델 훈련자들은 실질적인 문제를 맞이하게 됩니다. 기존의 원천성 시스템은 파일 또는 데이터셋의 수준에서 작동하여, 비도태적 오버-삭제를 초래합니다. 우리는 ob를 제시합니다, 레코드 및 토큰 수준의 데이터 원천성 시스템으로, 데이터 처리 파이프라인에서 저자 정체성을 전파하고, 결정적 쿼리에서 정확한 잊어버리 집합으로 revocation 요청을 해결합니다.

에이전트 7월 16일

인간과 같은 역할을 하는 AI: 기업 AI 조직은 배포 문제가 아니라 플랫폼 문제라는 오해를 하고 대부분의 기업이 챗봇을 agent로 부르는 문제가 있다.

기업은 대규모 언어 모델(LLM) 제공 플랫폼에 agent 오케스트레이션을 집중시키고 있다. Anthropic의 Claude가 가장 많은 시장 점유율을 차지하고 있으며, Microsoft, OpenAI, Google, Amazon은 그 뒤를 따른다. 기업들은 오케스트레이션을 위해 모델의 중력(model gravity)을 고려하고, 멀티 스텝 실행의 신뢰성을 중요하게 여긴다. 그러나 실제로 D