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 14일

광을 이용한 대규모 양자 컴퓨터, 세계를 바꿀 기계

PsiQuantum은 광을 이용한 대규모 양자 컴퓨터를 개발 중이며, 이 기계는 세계를 바꿀 수 있는 잠재력을 가지고 있습니다. 이 기계는 데이터 센터와 아이스크림 공장의 혼합된 공간에 위치할 예정이며, 내부에는 100개의 스테인리스 스틸 캐비닛이 있으며, 이 캐비닛들은 연료로 사용되는 액체 헬륨으로 유지되는 절대 영도 이상의 온도만큼 낮은 온도를 유지합니다.

산업 7월 14일

뉴욕, 데이터 센터 금지령 제정 첫 번째 주

뉴욕에서는 이제부터 governor Kathy Hochul (D)이 전국 최초의 statewide moratorium(국가 차원의 개발 규제)를 서명함에 따라 대규모 데이터 센터가 한 해 이상 운영할 수 없습니다. 하지만 governor Kathy Hochul (D)이 서명해야 할 법안이 아직 남아 있습니다. 이 법안은 새로운 환경 허가에 대한 제한을 두며, 데이터 센터의 새로운 허가가 더

산업 7월 14일

구글의 데미스 하사비스는 글로벌 AI 감시관이 필요하다며 미국이 이끌어야 한다

데미스 하사비스(Demis Hassabis)씨는 세계가 위험한 전선 모델의 브레이크를 당기는 권한을 가진 AI 감시관이 필요하다고 생각한다. 구글 딥마인드(Google DeepMind) CEO이자 공동 창립자인 하사비스씨는 블로그 포스트에서 미국이 이 과제를 주도해야 한다고 주장하면서, 미국이 세계 표준을 설정하는 데 가장 적합한 장소라고 말했다. 미국은 경제적 [...]

AI 모델 7월 14일

전략가 위한 구조화: 아키텍처에 의존하는 공간 시장에서 홀텔링에 대한 사고 개입

대규모 언어 모델(LLM)의 전략적 경제적 추론을 향상시키는 구조화된 추론 장치의 효과를 조사하고, 그 효과가 모델 아키텍처에 따라 달라지는지 살펴보았다. 하틀링(Hotelling)의 선형 도시 모델을 진단용으로 사용하여, 표준 인도식 모델인 GPT-4.1-mini와 추론 최적화 모델인 GPT-5-mini를 5가지 조건 - 비구조화된 기초 및 4가지 추론 장치 - 에서 8가지의 유추적 추론과

에이전트 7월 14일

다이나믹 트래픽 인터랙션 예측 프레임워크: 다중 상호 작용 차량의 장면 수준 경로 변경 의도와 추진 예측

자동 주행 시스템과 자율 주행 차량의 안전한 동작 계획을 위해, 주변 교통 장면이 어떻게 진화할지 정확하게 이해하는 것이 필요합니다. 그러나 대부분의 경로 변경 예측 방법은 단일 대상 차량에 집중되어 있으며, 다중 에이전트 예측 접근법은 차량의 미래 위치만을 통해 장면 진화에 대한 정보를 제한적으로 제공합니다. 이 연구에서는 다중 상호 작용 차량의 장면 수준 경로 변경 의도와 추진 예측을 위한 다이나믹 장면 그래프 주의 프레임워크를 제안합니다.

AI 모델 7월 14일

코세트 이전 스코어 세트: LLM 벤치마크 평가-무 감독 프롬프트 서브셋 선택

연구팀은 LLM 벤치마크 코세트 선택에 대해 연구했는데, 이는 작은 프롬프트 서브셋을 여러 벤치마크에 걸쳐 선택하여 전체 벤치마크 셋에서 얻은 모델 점수 및 순위를 근사하는 것이다. 연구팀은 평가-무 감독 벤치마크 코세트 선택 방법을 제안했는데, 이 방법은 모델 평가 결과를 사용하지 않고, 미세한 단계로 여러 벤치마크에 걸쳐 프롬프트 서브셋을 선택하는 것이다.

연구 7월 14일

가정과 모순을 허용하는 부분적 합의 추론 확장 연산

1996년 마우리스 파그누코(Maurice Pagnucco)가 작성한 박사 학위 논문에서 처음으로 AGM-like 추론 확장 연산을 만들었다. 파그누코의 연산을 바탕으로, Atocha Aliseda의 영감을 받은 분류체계를 사용하여 추론의 주요 구성 요소를 강조하고 공식화하는 데 사용되었다. 이 논문의 주요 목표는 추론의 주요 구성 요소를 강조하고 공식화하는 데 사용되는 분류체계를 바탕으로

에이전트 7월 14일

연속 시간 내 피드백 연결 메모리 시스템

연속 시간 내 피드백 연결 메모리 시스템(FCMS) 아키텍처는 네 개의 추상 연산자를 통해 폐쇄 루프 조정성을 formalize합니다. 이 중 agent update 연산자 $f_i$와 환경 업데이트 연산자 $\Psi$는 원래 프레임워크에서 axiomatically 정의되지 않습니다. 이를 해결하기 위해 $f_i$는 Mechanism-Based Intelligence (MBI)에서 정의되어 agent가 지역적으로 decentralized price mechanism과 경제 원칙을 통해 업데이트되고, $\Psi$는 Coupled Memory Graph Process (CMGP)에서 정의되어 environment가 physical substrate로 취급되고 trajectory history가 기록되고 응답되는 non-Markovian framework입니다. 이로 인해 얻은 연속 시간 FCMS 인스턴스는 computable threshold $4\beta^2 < 2\eta\mu\gamma^2$로 goverened되는 Lyapunov global dissipativity를 달성합니다. 이는 discrete FCMS stability condition $4\eta\beta^2 < \gamma$와 CMGP의 physical bifurcation threshold $\alpha_c = 1/K$를 일반화합니다. 이는 memory dissipation이 feedback gain보다 빠르게 발생해야 하는 universal organizing principle임을 확인합니다. $N=2$ agent의 numerical simulation과 $N=10^6$의 mean-field validation은 stability threshold와 self-reinforcing coordination cascade가 발생하는지 여부를 확인합니다.

에이전트 7월 14일

규칙에 맞춘 작은 언어 모델과 다중 에이전트 자가 수정을 이용한 클로즈드 루프 제어

자율 산업 운영을 위한 핵심 단계 중 하나는 자연어 요구 사항 명세서에서 제어 정책을 생성하고 재구성할 수 있는 능력입니다. 이 설정에서, AI agent가 제어 정책을 생성할 수 있는 가능성이 있으며, 이에 대응하는 plant-aware validator (예: 디지털 쌍둥이)가 생성된候補 액션을 실행하기 전에 검사할 수 있다면 신뢰할 수 있는 경로가 될 수 있습니다. 그러나 실제 배포는

AI 모델 7월 14일

수행-제어 된 자기 압축: 교차 계열 게임 생성을 위한 버리파이어는 교육 프로그램이다.

학습된 심사관을 이용해 코드 생성기를 후처리하면, 점수를 높일 수 있는 프록시 특성만 최적화할 수 있다. 우리는 반대 신호를 연구한다: 결정론적이고 심사관이 없는, 게임할 수 없는 필터 -- 생성된 프로젝트가 비정형 엔진에서 깨끗하게 실행되는지 여부(strict-launch). 이 게이트를 통과하면, 거짓 샘플링 자기 반영(compound out-of-family generalization)

연구 7월 14일

그래프 엣지 스파리피케이션을 이용한 TSP

대규모 여행 판매 문제(TSP)의 정확한 해결은 계산 비용이 많이 듭니다. 연구자들은 계산 효율성을 높이기 위해 그래프 스파라시피케이션 방법을 사용합니다. 전통적인 스파라시피케이션 방법은 일반적으로 고정된 가이드라인에 의존하고, 인스턴스에 특화된 구조 정보를 완전히 활용하지 못합니다. 본 논문에서 우리는 그래프 에지 스파라시피케이션(GES) 방법을 제안합니다. 이 방법은 유계적 TSP에 대한

에이전트 7월 14일

자연어 상황에서부터 강건하고 검증 가능한 결정을 위한 YUKTI: 불확실성 유형의 제안 IR, 가정 강건한 파레토 경계, 그리고 부러움 증명서

연구자들은 대규모 언어 모델(LLM)과 같은 모델들이 단일 목표에 집중하여 숫자로 된 계획을 만드는 것을 주로 사용하지만, 이러한 모델들이 실질적인 예산, 노력, 또는 임상 주의를 할당하는 결정을 위한 신뢰도는 실패 모드이다. 이는 모든 개체화된 숫자가 가정이며, 정확히 맞지 않는 경우에만 최적화된 계획이 약한 것이기 때문이다. YUKTI는 이러한 문제를 해결하기 위해 자동 형식화의 목표를

AI 모델 7월 14일

잠재 CoT 논리 해석을 동역학적 시스템으로 변환

최근의 잠재적 추론 방법들, 예를 들어 CODI와 COCONUT는 다음과 같은 기본적인 해석성 문제를 가진다: 그들은 각 단계마다 은닉 공간에서 여러 후보 추적을 겹쳐서 유지한다. 이와는 대조적으로 명시적-CoT는 단일 투명한 추론 추적을 따른다. 현재의 기계적 방법들은 압축, 단축 및 겹침을 보여주지만, 추론이 은닉 단계를 통해 어떻게 발전하는지 설명하지 않는다. 이 간격을 해결하기 위해,

연구 7월 14일

볼츠만 맵리듀스: 분할 함수를 이용한 forkable sandbox의 reduce 기능

arXiv:2607.09689v1 발표 유형: 새로운 개요: 지역 아сим포틱 정상성 (LAN)의 선형 근사에서, 작업자로 하여금 chunk의 크기가 $n$인 부분 집합에 대해 신뢰도 밀도 $\exp\{-\beta E(\theta)\}$를 방출하게 되는데, 이 밀도는 고에너지 (Gibbs-Boltzmann) 측도이며, 역온도는 샘플 크기 $\beta=n$이다. 세 가지 결과는 가우스/선형 경

에이전트 7월 14일

믿을만한 것이 아닌 교정적인 메시지: 다중 홉 에이전트 리레이에서 메시지 형식 효과는 계층에 따라 다름

대규모 언어 모델(LLM) agent가 서로 정보를 전달할 때, 메시지 형식이 중요합니까? 두 개의 문헌은 서로 다른 의견을 제시한다: 형식 최적화 작업은 구조화된 메시지가 비용을 절감하면서 정확성을 손상시키지 않다고 보고하지만, 형식 제한 작업은 구조를 강요하면 생성을 손상시키고 정확성을 떨어뜨린다고 보고한다. 또한 한 번의 메시지가 여러 홉을 거치면 복사 신뢰도, 단일 홉 생성이 아닌 것

AI 모델 7월 14일

형식敏감도 지수: 토큰 통제 시각화 프롬프트 wrapper 강도 및 LLM 평가 지침 준수

arXiv:2607.09665v1 공지 유형: 새로운 abstract 프롬프트 wrapper는 형식만 다를 뿐인데, 모델 점수가 충분히 바뀌어 랭킹 결과를 뒤집을 수 있다. 우리는 토큰을 통제한 프로토콜 아래 이 변화를 연구하고 두 가지 상보적인 지표를 도입한다: 형식敏감도 지수(FSI), wrapper 선택에 의해 유도된 정확도 범위, 그리고 파서 가능성敏감도 지수(PSI), wrapper