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.

4,417개 기사 6시간마다 업데이트
전체 AI 모델 에이전트 연구 산업 도구 LLM PC 허깅페이스

최신 기사

산업 7월 15일

오픈에이아이가 최종적으로 하드웨어를 출시하다... 코덱스에 대한 것

OpenAI가 이제서야 하드웨어를 출시합니다. 하지만 이는 회사와 전 애플 디자이너 존 이브(Jony Ive)가 공동으로 개발 중인 신비로운 인공지능 장치를 말하는 것이 아닙니다. 이 장치는 이미 법적 분쟁으로 얽힌 프로젝트입니다. 오픈AI의 코드 플랫폼인 Codex를 사용하기 위한 제품입니다. 이 장치는 버튼으로 구성된 네모난 블록을 말하는 Codex Micro입니다.

산업 7월 15일

Suno가 밀리언 곡의 음악을 유튜브, 지니어스, 디져스에서 훔쳤다

Suno AI 음악 생성기는 유튜브 음악, 지니어스, 디져스와 같은 온라인 오디오 플랫폼에서 수백만 곡의 음악과 가사를 스크래핑하여 학습했다. Suno는 학습 데이터셋과 그들의 획득 방법에 대한 정보를 공개하지 않았기 때문에, 이 사례는 매우 드문 것이다. 또한 Suno의 AI 음악 생성기는 사용자들의 개인정보와 음악 데이터를 수집할 수 있다.

허깅페이스 7월 15일

모델 라우팅은 간단하다. 그러나 아니다.

미국에서는 대규모 언어 모델(LLM) 인 인공지능 프로그램 "LLaMA"가 개발되었다. LLaMA는 Meta가 개발한 대규모 언어 모델의 한 종류이다. Meta는 LLaMA가 다른 대규모 언어 모델과 비교했을 때 더 효율적이고 환경 친화적이라고 주장했다. Meta는 LLaMA를 개발하기 위해 13억 개의 훈련 데이터를 사용했다. 훈련 데이터는 텍스트를 읽고 이해할 수 있는 훈련 데이터의 일부

AI 모델 7월 15일

다중 테넌트 LLM 시스템에서 검색 및 생성에서 테넌트당 비용 분배에 대한 통합 테넌트당 비용 Attribution

기업에서 Retrieval-Augmented Generation(RAG) 모델을 사용할 때 중요한 관리 단점이 있습니다. 대규모 언어 모델(LLM)의 생성 비용은 토큰 당 계산되지만 검색层 - 벡터 메모리, 유사도 계산, 임베딩 API 호출 -는 비용이 명시되지 않아 사용자들 사이에 불투명한 부담을 주는 문제가 발생합니다. 우리는 Cost-Governed RAG라는 아키텍처를 제시합니다. 이

에이전트 7월 15일

지리공간 기반 모델의 새로운 패러다임: 전 훈련부터 행위적 사고까지

위성 및 항공 사진 분석은 기초 모델의 등장으로 새로운 시대에 들어섰다. 이 논문은 지리 공간 기초 모델(GeoFMs)의 개념을 설명하는데, 이는 다양한 방법론을 통해 대규모 지리 공간 데이터에 대해 미리 학습된 인공 지능/기계 학습(AI/ML) 모델을 말한다. 먼저, GeoFMs가 가능하게 하는 핵심 전환을 설명하는데, 이는 대규모 모델 제공자들이 계산적으로 고가용성인 미리 학습을 수행하면

연구 7월 15일

건설을 통해 연결된 것: 여행 판매원 문제의 유용 근사 근사치 근사치를 배우기 위해

여행 판매인 문제(TSP) 해결을 위한 학습 기반 방법들은 종종 디코딩 또는 검색 후 생성된 투어를 통해 평가되지만 학습된 객체 자체는 자주 heatmap, assignment, 건설 정책, 또는 검색 지침 점수를 포함한 대리 공간 내에 존재한다. 이로 인해 가장 근본적인 질문이 숨겨지게 되는데, 그것은 디코딩 이전에 실제로 어떤 해밀토니언 구조가 학습되었는지에 관한 것이다. 본 연구에서,

연구 7월 15일

시간에 따른 게임 레벨의 표현과 생성: Playtrace Reconstructive Partitioning(PLAY) 방식

비디오 게임은 시간에 따라 동적으로 경험되는 매체입니다. 프로세서 콘텐츠 생성(PCG) 접근법은 종종 게임 레벨의 동적 특성을 무시하는 추상화된 표현을 사용합니다. 본 논문에서는 게임 레벨의 시간에 따른 '케이크' 표현을 소개하며, 이 표현은 동적 정보를 암시적으로 포함합니다. 또한 본 논문에서는 '케이크' 표현을 위한 PLAY 방식에 대한 새로운 레벨 생성 접근법을 소개합니다. PLAY 방식은 existing PCG 접근법과 비교하여 Sokoban 게임의 레벨 생성을 위한 효율적인 해결책을 제공합니다.

AI 모델 7월 15일

대화형 에이전트의 다차원 평가를 위한 운영화: 선택적 재평가 및 모델 벤치마크를 포함한 규제된 확장 가능한 pipe라인

retail 대화 요원 평가를 위해 단순한 단어 일치 지표 외에 의도 일치, 사실성, 도움, 명확성, ton, 및 전체 응답 품질을 평가하는 방법이 필요합니다. LLM-as-a-judge 방법은 인간 평가에 대한 대규모 대안을 제공하지만, 생산 배포는 통치, 재현성, 비용, 스키마 일관성, 추적성, 및 신뢰성과 같은 문제를 제기합니다. 우리는 GenAI Evaluation, 대규모 retia

에이전트 7월 15일

그래프 Feedback Controls Consensus와 Clique Formation을 위한 Open-Weight Language-Model Populations

대규모 언어 모델(LLM) 인구에 대한 연구에서, 연구팀은 이름 게임 프로토콜을 통해 convention formation을 연구했다. 연구 결과, restricted first-token scores를 사용하여 prompt-conditioned score-state distributions를 측정하고 state-similarity graphs를 구성할 수 있었다. 또한, sampled-label agreement와 latent state-space consensus를 분리할 수 있었다.

에이전트 7월 15일

AI 에이전트를 위한 웹 사이트 디자인: 기계적 읽기 가능성, 실행 가능성, 결정을 신뢰할 수 있는 프레임워크

온라인 쇼핑은 점점 더 AI 에이전트가 독립적으로 제품을 검색, 비교, 제약을 평가, 구매 프로세스의 일부를 수행하는 모델로 변하고 있습니다. 웹 사이트 디자인은 이제 인간과 에이전트 매개 상호 작용을 모두 지원해야 합니다. 이 연구에서는 기계적 읽기 가능성, 해석 가능성, 검증 가능성, 실행 가능성을 위한 에이전트 준비된 웹 사이트의 디자인 프레임워크를 소개합니다. 기존 웹 디자인, SEO, 생성 엔진 최적화(GEO) 지표는 웹 사이트의 에이전트 매개 상호 작용 용량을 완전히 평가하지 못했습니다.

AI 모델 7월 15일

최적화만으로는 부족하다.

OpenAI가 2019년에 2백만개의 GPT-2 출력을 공개했다. 그들은 문법이 맞지 않으며 절반은 깨진 상태였다. 이것을 통해 기계가 생성한 텍스트를 감지하는 데 도움을 주었다. 그들의 더 유연한 후계자는 일반적으로 엔지니어링의 업적으로 간주되지만, 우리는 그것을 옵티미제이션 문화의最新 표현으로 읽는다: 측정 가능한 개선이 정의된 축에 따라 열차를 움직인다는 신념. 이 신념을 통해 트레이닝

연구 7월 15일

스마트 온실의 강화 학습 제어에서 보상 구성 요소 ауд팅을 위한 조율-첫 번째 보상 구성 요소 ауд팅

기후 조절 아이디어를 작물 실험만으로는 힘들 정도로 빠르고 대규모로 테스트할 수 있는 녹색 지상 반복 학습(Greenhouse reinforcement learning)이 있습니다. 그러나 스마트 온실 제어를 위해서 단일 시뮬레이터 반환 값만은 부족합니다. 온실 농법이나 제어 엔지니어도 온실이 과열되는지, CO2濃度를 높이는지, 공기를 내보내는지, 습도 관리를 하는지, 스크린을 배치하는지,

AI 모델 7월 15일

GRID: 기업용 SQL 생성을 위한 문법 기반 디코딩 기술

SQL을 작성할 수 있는 대규모 언어 모델(LLM)이 있지만, 실무 환경에서 더 많은 요건이 필요합니다. 출력 결과는 문법적으로 올바른 결과여야 하고, 역할별 및 스키마별 정책을 준수해야 하며, 증명 가능한 보증이 필요하며, 생성이 증가할수록 속도가 느려지지 않아야 하며, 모든 결정에 대한 준수도준의 기록이 남아야 합니다. 우리는 GRID(Grammar-Railed Decoding), 문법

에이전트 7월 15일

자연스러운 한국어 번역: 독립적인 기업 언어 모델의 Ontology-Amplified Distillation 및 Contextuality Auditing: 기계 메커니즘의 결합된 증명 및 부정 결과 연구

금융 규제 기관들이 데이터 거주지 규칙을 따라 운영할 때, 기관의 경계 내에서 작동할 수 있는 Tenant-owned 언어 모델이 필요하다. 이 논문은 두 개의 관련 FAOS 연구를 하나의 기계 및 제어 문서로 합병한다. 첫 번째로, 논문은 ontology-amplified distillation의 proof-of-mechanism 연구 결과를 보고한다. Foundation AgenticOS

에이전트 7월 15일

비정상성을 고려한 인컨텍스트 강화학습: 개요

ICRL(인-컨텍스트 강화 학습)에서 모델의 학습 과정에 대한 연구가 재개되면서, 미리 학습된 모델이나 미리 튜닝된 결정 모델이 상호작용 콘텍스트에서 잠재적인 작업 규칙을 추론하고 향후 행동을 개선할 수 있는 능력을 연구하고 있습니다. 이 연구는 시도-오류 증거, 보상, 전이, демон스트레이션, 피드백, 또는 취득한 경험이 콘텍스트 창구 내에서 학습과 유사한 계산을 발생시키는지 여부를 물