AI / SIGNALS / KOREA
최신 AI 모델·에이전트 소식을 한국어로 정리하고, 실제 선택에 필요한 맥락까지 함께 전합니다.
솔로스(Solos)는 새로운 에어고(AirGo) 스마트 글래스의 버전을 발표했습니다. 이 새로운 버전은 카메라를 사용하지 않고 Sleeker 디자인과 음성 상호 작용을 기반으로 하는 AI 보조기를 사용합니다. 지난해 에어고 A5는 프레임 스타일에 따라 36에서 40그램까지 중량이 있었지만, 새로운 에어고 A6는約 19그램으로 중량이 줄어들었습니다. 중량 절감의 일부는 [...]
Anthropic의 클라우드(Claude) 협업 플랫폼은 이번 주부터 모바일과 웹에서 사용할 수 있게 된다. 이 서비스는 처음으로 맥 OS와 윈도우용 데스크톱 애플리케이션 이외의 플랫폼에서 사용할 수 있다.
구글이 개발한 대규모 언어 모델(LLM) "랭구지"가 인공지능(AI) 연구자들 사이에서 논란을 일으키고 있다. 랭구지 모델은 대화에 적합한 대화형 모델로, 사용자가 원하는 대로 대화할 수 있게 설계된 모델이다. 그러나 최근 랭구지 모델이 인공지능(AI) 연구자들 사이에서 논란을 일으키고 있다. 랭구지 모델은 사용자가 원하는 대로 대화할 수 있게 설계된 대화형 모델이다. 사용자가 랭구지 모델에
인공지능 시대에 플랫폼은 스팸을 제거하기 위해 불을 물로 뿌리듯 대응해야 합니다.
세 번째 세대 캘리포니아 가축 농부인 앤토니 아구에다(Anthony Agueda)는 그의 가족의 농지에 있는 작은 마을 힙만(Hickman)에서 농업의 중심부에 위치한 곳에서 농지에 있는 어두운, 젖은 나무 조각을 거친다. 그는 양손으로 땅을 만져서 썩은 쓰레기를 잡아올리며, 그것을 뒤집어보면 여섯 개의 구르며 움직이는 빨간 지렁이가 보인다.
AI 기술의 빠른 발전과 의사결정 시스템으로의 전환으로 인해 조직들은 사용 사례를 확장하고 있습니다. 그러나 이러한 기술의 지속적인 발전은 위험을 불러일으키고 있습니다. IT 리더들은 6개월 후에 가치가 있는 투자를 판단하기 위해 AI 아키텍처의 기초 요소를 다시 돌아봐야 합니다.
Forterra는 100개 이상의 [VR(Virtual Reality)] VR 환경을 구축했으며, 군인들을 위한 훈련 및 준비를 위한 [시뮬레이션(Simulation)] 시뮬레이션 플랫폼을 개발했습니다.
arXiv:2607.03091v1 Announce Type: new Abstract: Silicon sampling-using large language models (LLMs) to simulate human survey respondents-has emerged as a promising approach for augmenting traditional
인간-AI 협력적 결정을 위한 새로운 프레임워크를 소개합니다. 이 프레임워크는 인간의 능력을 증진시키고 AI agent를 인간의 선호와 기대에 맞게 설계합니다. 결과적으로 인간-AI 협력적 결정을 위한 효과적인 방법을 제공합니다.
미래 사건을 예측하는 것은 일반적인 인공지능의 테스트베드로써 관심을 끌고 있는 분야입니다. 이 평가를 기반으로 하는 자연스러운 방법은 모델이 예측 시장에서 거래를 하게 하는 것입니다. 거래는 단순히 예측을 하기만 하는 것보다 더 많은 요구사항이 필요합니다. 최근 벤치마크에서는 조정된 확률 점수를 거래 결과와 큰 차이로 보고하고 있습니다. 우리는 Raven-Agent를 제안하고 있습니다. 우리
의학 진단은 증거를 탐색하고 strategical하게 취득하는 반복적인 탐구 과정입니다. 새로운 강화 학습 방법을 통해 대규모 언어 모델(LLM)을 진단의 보조자로 만드는 연구를 소개합니다.
소셜 분포된 작업 환경에서 생성 요인의 효과성을 평가하는 새로운 방법론인 Incognita를 소개합니다. 이 방법론은 생성 요인의 행동을 사회적 상호 작용과 지향성 행동으로 분리하여, 효과적인 사회적 환경에서의 행동을 분석합니다.
arXiv:2607.02941v1 발표 형식: 새로운 논문 요약: 다중 제품 조립 배달은 처리와 조립을 통합하는 하이브리드 제조 시스템에서 실시간 계획을 위한 중요한 과제를 부과한다. 동적 주문 도착은同時적으로 공급 의존성과 가능한 작업-기계 할당의 집합을 변경한다. 이 논문은 복잡한 조립 제약 조건을 고려한 유연한 조립 흐름 공장 계획 문제의 종단-ToEnd 온라인 계획을 위한 슬라이딩 윈
AI 도구가 과학 연구 출판을 가속시키면서 연구를 검토하는 시스템이 이를 따라잡기 어렵게 만들었고, 출판된 연구에 대한 independent 검증이 더 어려워지고 중요해졌다. 수동적으로 연구를 재현하는 것은 느리고 비용이 많이 들기 때문에, 코드 에이전트를 사용하여 프로세스의 일부를 자동화하는 작업이 점점 더 많아지고 있다. 기존의 노력은 주로 벤치마크와 그에 동반하는 에이전트로 구성되어 있
대규모 언어 모델(LLM)은 다양한 응용 분야에서 놀라운 능력을 демон스트레이션했지만, 동시에 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장하는 것은 지속적인 문제입니다. 오이스터-I의 안전한 동맹 패러다임을 개선한 오이스터-II는 RL-Based Constructive Safety Alignment Framework를 제안하여 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장합니다.
현재 의료 계산을 위한 대규모 언어 모델(LLM)의 평가 기준은 단순화된 환경에서 대부분 기반을 두고 있습니다. 이 환경에서 각 환자 사례는 단일 계산기와 명시적으로 지정된 계산기를 요구하는 질의로 대응합니다. 그러나 실제 임상 상황에서는 종합 평가, 계산기 중첩 계산, 및 목표 계산기를 직접 지정하지 않는 부드러운 질의가 필요합니다. 이를 위해 우리는 새로운 의료 계산 벤치마크, MedCa
대규모 언어 모델(LLM) agent는 축적된 경험을 통해 향상할 수 있지만, 상호 작용이 증가할수록 자유 형식의 텍스트 기억은 유지, 검증 및 재사용하기 어려워집니다. 최근 Symbolic 접근법은 실행 가능한 기술이나 프로그래밍 세계 모델을 학습하지만, 종종 지역 절차를 저장하거나 단순화된 역학을 가정합니다. 우리는 Object-Centric Environment Modeling(OCM)
자동 코딩 요원(autoresearch)과 같은 장기간 작동하는 코딩 요원은 열린 문제에 대한 최적화를 지속적으로 발견할 수 있지만, 일반적으로 고급적인 접근 방식을 한 번에 발견하고, 저급한 수정 작업을 진행하는 반면 다른 문제에 대한 더 우수한 접근 방식을 놓치곤 한다. 우리는 두 가지 방향 지시자 수준의 설계 선택이 이러한 행동에 기여한다고 가정한다: 단일 장기간 작동하는 요원이 컨텍스
연구용 고성능 컴퓨팅 시설은 대규모 과학 데이터를 관리하는데 있어 중요한 역할을 수행한다. 이 데이터를 인공지능 훈련 데이터로 사용하기 위해서는 데이터를 변환하는 과정이 필요하다. 그러나 현재까지는 변환 과정을 자동화하고, 데이터가 준비되어 있는지 확인하고, 데이터의 생성 과정을 추적하며, agent-native로 배포하는 것을 모두 다룬 framework은 존재하지 않는다. REDI fra
인공 지능이 일부 정보만을 이용하여 행동하는 경우, 미리 설정된 사고 방식을 가지고 있는 작은 언어 모델(Small Language Model, SLM)이 이러한 상황에 자연스럽게 도움을 줄 수 있다. 하지만 이러한 SLM의 도움을 이런 상황에 통합하는 것은 쉽지 않았다. 모든 테스트 환경에서, 기본적인 불확실성에 대한 접근 방법은 SLM이独立적으로 행동하는 경우가 거의 없다는 뜻으로, 거의
인터넷 공개 학술 논문 서버(arXiv)에 등록된 논문에서 소개된 연구 내용입니다. 지역pairwise 비교는 사람들의 의사 결정 규칙이 어떻게 작동해야 하는지 배우기 위해 일반적인 도구로 사용됩니다. 예를 들어, 참여적 디자인이나 정렬과 같은 분야에서 사용됩니다. 그러나 지역 비교를 사용하는 것은 두 가지 강력한 가정에 기초합니다: 지역 비교는 어떤 사람의 자동화된 의사 결정 규칙이 어떻게
대규모 언어 모델(LLM)과 같은 일반적인 몸체 있는 agent는 다중 모드 지시를 이해하고, 환경이 어떻게 진화할 것인지 예측하고, 장기적인 시야에서 정확한 제어 액션을 생성해야 합니다. 기존 접근 방식은 일반적으로 시각-언어 추론, 비디오 기반 월드 모델링, 또는 액션 생성에 특화되어 있으며, 관찰을 미리 합성하고 나서 액션을 추론하는 계열 pipeline가 인터페이스 병목 현상을 유발하
今年까지 AI가 이유로 제시된 주요 기술 기업들의 대규모 해고 발표를 역순으로 정리해 보겠습니다.
애플은 시리(Siri)가 더 자연스럽고 친근하게 느껴지도록 하기 위해, 생성형 인공지능(generative AI)을 중심으로 어시스턴트를 다시 설계하는 것을 포함한 더 광범위한 노력을 진행 중이다.
