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.

4,427개 기사 6시간마다 업데이트

최신 기사

AI 모델 7월 1일

구글은 훌륭한 스마트 스피커를 만들었지만 Gemini은 아직 그것을 hazır하지 않습니다.

스마트 스피커는 최근 몇 년 동안 음악, 타이머, 조명 제어를 넘어 가치 있는 두 번째 이야기를 찾으려 하고 있습니다. кух탁의 공간을 차지하는 이유를 들어 줄 수 있는 방법을 찾고 있습니다. AI가 그것을 바꿔 줄 거라는 약속을 해 왔습니다. 앰존은 지난 가을 새로운 하드웨어를 출시하여 Alexa를 새로 업데이트한 것으로 발표했으며 이제 구글의 차례가 왔습니다.

에이전트 7월 1일

회귀의 비밀: 인공 지능의 내재된 규제 부담

인공 지능은 내부적으로 안정성을 유지하기 위해 투자하는 노력이 증가하는 동안 안정성을 유지하는 것만으로 평가되는 경우가 많다. 하지만 이러한 내재된 규제 부담은 노이즈, 지연, 또는 변하는 요구 사항을 처리하는 인공 지능에 중요한 문제이다. 이 연구에서는 내재된 규제 부담이 과거에 의존하는지 여부를 조사하기 위해 컴퓨터 모델을 사용하여 인공 지능을 변경하는 과정을 시뮬레이션한다.

에이전트 7월 1일

자율 AI agent의 행동을 관리하는 증명 가능한 규칙을 위한 시스템

인공지능(AI)代理가 인간의 대표로 중요한 행동을 수행하는 경우가 점점 더 많아지는데, 이 행동에는 금융 거래, 외부 커뮤니케이션, 기업 워크플로우 등이 포함된다. 현재代理기반 인프라는 식별 연합(ID federation)과 위임 인증(Authorized delegation)을 통해 로드의 인증과 자원 접근 제어를 수행하지만, 현재의 행동 및 운영 환경에서 허용된 행동을 결정할 수 없다. 우

에이전트 7월 1일

퍼트리얼 관찰 하의 멀티 에이전트 강화 학습에서 하이퍼 프로퍼티를 활용한 하이포레: Hyperproperty-Guided Multi-Agent Reinforcement Learning under Partial Observation

Formal 명세는 학습 과정에 대한 강력한 도구로, 보상 형성보다 다음과 같은 이점을 제공한다: 1. 수학적 엄밀성 2. 목표와 제약을 지정할 수 있는 표현력 3. 목표 달성을 위한 전략을 정의할 수 있는 능력 그러나 Multi-Agent Reinforcement Learning (MARL)에서 이러한 이점은 주로 탐구되지 않았다. 이 논문에서는 Partial Observability 하에

연구 7월 1일

신경망-베이즈-symbolic 잔차 주의점 얕은 네트워크: 사이버 보안 위험 평가에 대한 설명 가능한 깊은 학습

신경망-베이즈-symbolic 잔차 주의점 얕은 네트워크(NBS-RASN)는 오픈 소스 생태계에서 설명 가능한 사이버 보안 위험 평가를 위한 하이브리드 신경망 아키텍처입니다. 깊은 모델들이 정확성에 대한 희생으로 해석성을 포기하는 것과는 달리, 우리의 얕은 네트워크는 80개의 해석 가능한 뉴런과 12개의 층으로 구성되어 있습니다. 또한, gatekeeper가 5개의 epistemological axioms(정확성, 유발성, 거부 가능성, 투명성, 완전성)를 강제로 적용하기 전에 전파를 진행합니다.

에이전트 7월 1일

AI가 SILICON으로 가는 고속 경로를 열다! AgRefactor: Self-Evolving Agentic Workflow for HLS Compatibility and Performance

High-Level Synthesis(HLS) 기술을 이용한 소프트웨어를 SILICON으로 변환하는 과정이 쉽지 않다. 그러나, 새로운 AI 기술인 AgRefactor는 이 문제를 해결하기 위해 개발되었다. AgRefactor는 대규모 언어 모델(LLM) 기반의 다기능 워크플로우로, 소프트웨어를 HLS 호환 프로그램으로 변환하는 과정을 자동화한다.