AI 규제의 정치적 전환: 합의 표면의 준수 디자인

정부가 행정 결정에 AI를 사용하여 비용을 절약하고 확장성을 높이고 일관성을 높이나, AI가 공공행정에 통합되기 위해서는 준수 계층에 통합되어야 한다. 이 계층은 법을 어기기 쉬운지 감시를 개선할 수 있지만, 법률적으로 의무가 있는 행정이 보존되는 동안 정치적 후계자가 이를 탐색하는 안정적인 승인 경계를 만들 수도 있다.

2026년 4월 24일 AI 자동 생성

정부는 AI를 사용하여 행정 결정이 저렴하고 확장적이고 일관적이 되도록 하는 데 관심이 증가하고 있다. 그러나 확률적 AI가 공공행정에 통합될 수 있도록 하기 위해서는, 준수 계층에 통합되어야 하며, 법적 검토, 반복, 그리고 법적 방어가 가능해야 한다. 이 계층은 법을 어기기 쉬운지 감시를 개선할 수 있지만, 법률적으로 의무가 있는 행정이 보존되는 동안 정치적 후계자가 이를 탐색하는 안정적인 승인 경계를 만들 수도 있다.

이러한 시스템은 인공 지능(AI) 사용의 확대와 함께, 보다 강력한 인공 지능(AI) 사용을 허용하는 수단으로 사용될 수 있다. 그러나 이러한 시스템은 또한 AI 사용의 확대와 함께, 보다 강력한 인공 지능(AI) 사용을 허용하는 수단으로 사용될 수 있다.

대규모 언어 모델(LLM)과 인공 지능(AI)의 활용

대규모 언어 모델(LLM)은 인공 지능(AI)과 유사한 방식으로 작동하며, 자연어 처리를 위한 강력한 툴로 사용된다. LLM은 텍스트를 분석하고 이해하며, 텍스트를 생성하는 데 사용할 수 있다. 그러나 LLM은 또한 인공 지능(AI)과 같은 방식으로 사용될 수 있으며, 인공 지능(AI)과 유사한 결과를 제공할 수 있다.

AI 규제의 정치적 전환

AI 규제의 정치적 전환은 AI 사용의 확대와 함께, 보다 강력한 인공 지능(AI) 사용을 허용하는 수단으로 사용될 수 있다. 그러나 이러한 시스템은 또한 AI 사용의 확대와 함께, 보다 강력한 인공 지능(AI) 사용을 허용하는 수단으로 사용될 수 있다.

AI 규제의 정치적 전환은 AI 사용의 확대와 함께, 보다 강력한 인공 지능(AI) 사용을 허용하는 수단으로 사용될 수 있다.
AI 규제의 정치적 전환은 AI 사용의 확대와 함께, 보다 강력한 인공 지능(AI) 사용을 허용하는 수단으로 사용될 수 있다.

원문 보기 arXiv AI

함께 읽으면 좋은 기사

AI 모델 4일 전

Anthropic의 연간 매출액 6,500억 달러로 급증

모델 제작자(MODEL MAKER)는 2개월 만에 연간 $18 억 달러의 매출을 추가했다.

AI 모델 4일 전

아마존이 책을 처음으로 판매하기 시작한 이후로 귀중한 책을 파괴하여 AI를 교육하고 있습니다.

진귀한 책들은 대규모 언어 모델(LLM) 교육에 매우 가치가 높다. 왜냐하면 이 모델들은 이미 온라인에서 접근할 수 있는 모든 것을 통해 교육을 받았기 때문이다.

AI 모델 8월 16일

구글 지니미(Google Gemini)의 보이는 워터마크를 끄는 방법이 나왔다!

구글은 이제 지니미와 플로(Google's AI video generator, Flow)에서 AI工具을 이용해 만든 미디어에 보이는 워터마크를 제거할 수 있는 기능을 제공합니다. 이 업데이트로, 사용자는 지니미와 플로의 새로운 '미디어 워터마크' 설정을 끌 수 있습니다. 워터마크가 끄면, 지니미에서 생성된 이미지, 비디오, 음악에 나타나는 '스파클(sparkle)' 워터마크가 사라집니다.

AI 모델 8월 16일

애플, 중국 위해 알리바바와 함께 자체 AI 모델을 교육

애플은 중국 시장에 맞는 맞춤형 AI 모델을 중국 기술巨인 알리바바와 함께 개발하고 훈련했다고 보고되었다. 이는 베이징과 워싱턴 간 커져가는 긴장감을 무시하고 중국과 미국 사이에 드문 획기적인 협력이다. 알리바바의 지원을 받으며 개발된 중국을 대상으로 한 대규모 언어 모델(LLM) 훈련은 알리바바와 함께 개발되었으며, 리트저스는 훈련에 대한 지원을 받았다고 세 명의 익명한 사람들의 진술에 근

AI 모델 8월 15일

대량 언어 모델(LLM) 개인화에 대한 대응: Meta-LoRA를 이용한 다원 도메인 선호도 학습

대규모 언어 모델(LLM)의 개인화를 위한 다원 도메인 선호도 학습은 새로운 대화 도메인에서 사용자 선호도에 맞는 응답을 생성하는 것을 목표로 합니다. 하지만 기존의 적응 방법은 적은 수의 대상 도메인 상호 작용만으로 업데이트한 크기를 조정하기 어려워 오버피팅을 일으키며, 역전파 방법은 사용자 선호도를 소스 도메인 오류와 혼동하여 불신할 수 있는 개인화 전제 조건과 부정적인 전이를 일으킵니다. 이러한 문제를 해결하기 위해, 우리는 PAC-Bayes-정규화된 Meta-LoRA를 제안하여, 업데이트한 크기를 증거의 질에 맞게 조정하고, 오버피팅을 최소화하며, 증거가 증가할 때 강한 개인화를 허용합니다.