소셜 분포된 작업 환경에서 Incognita를 이용한 생성 요인의 평가
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.
소셜 분포된 작업 환경에서의 생성 요인의 평가
소셜 분포된 작업 환경은 역할 분리된 참여자 사이에 작업 관련 지식이 분할되어 있으며, 결과적인 행동은 이러한 참여자들만을 통해 접근할 수 있는 환경입니다. 이 환경에서는 통신이 역할 분할된 지식의 탐색으로 작용하며, 지향성 행동은 환경 상태의 착취로 작용합니다.Incognita: 생성 요인 평가를 위한 프레임워크
Incognita는 Concordia 기반의 프레임워크로, 사회적 상호 작용과 지향성 행동을 분리합니다. 생성 요인은 사용자 또는 전문가 엔티티에게 메시지를 라우팅하며, 전문가 엔티티는 허용 가능한 연산을 매개합니다. 결정론적 sub-환경은 수락된 연산을 canonical state에 적용하며, 오프라인 평가자는 결과를 inherited reward로 평가합니다. Incognita-Retail은 tau-bench retail을 multi-entity 환경으로 변환시키며, 최종 상태 보상 의미를 유지합니다.소셜 분포된 작업 환경에서 생성 요인의 평가 결과
우리는 18개의 작업을 사회적 너비에 따라 stratified 하여, 540개의 시도와 3개의 생성 요인 모델을 평가하였습니다. 결과는 보상 및 행동에서 진행되었습니다: 성공률은 0%에서 8.9% 및 17.2%로 증가하였으며, 조기 종결은 100%에서 87% 및 58%로 감소했습니다. 강력한 모델은 더 많은 숨겨진 지식을 유도하고, 더 많은 엔티티를 접촉하며, 더 많은 지향성 쓰기를 시도하지만, 신뢰도는 낮아 있습니다. 이러한 결과는 사회적 분포된 작업 환경이 신뢰할 수 없는 성공 이전에 행동을 노출시키며, 지식 유도, 엔티티 선택, 지향성 행동 시도 및 조기 종결 의심을 포함합니다.함께 읽으면 좋은 기사
Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.
AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는
메타, 인공지능 앱 '뮤즈'에 힘을 싣는다
메타는 인공지능 개인 에이전트 '뮤즈'를 더욱 홍보하기 위해 대규모 언어 모델(LLM) 기반 앱의 홍보를 강화하고 있습니다. 뮤즈 앱은 앱스토어 차트에서 1위를 차지하고 사용자 추가가 빠른 속도로 진행되고 있습니다.
메타의 AI 태그치 시도는 성공적인 것일까?
메타의 개인 AI 에이전트 '뮤즈'가 ChatGPT의 초기 성과를 능가하고 있으며, 스마트 글래스와 같은 장치로 확장될 예정입니다. 메타의 AI 태그치 시도가 성공적인 것일까요?
OpenAI의 agent 군단이 수개월 동안 온라인 데이터베이스를 공격해 희귀한 사실을 찾고 있다.
연구자들이 최근에 불법적 인 에이전트 군집들이 발견되었다고 밝혔다.
강화 학습 기반 역할 놀이 에이전트의 역할 학습을 위한 적대적 폐쇄 루프 교육과정
역할 연기하는 agent는 대규모 언어 모델을 기반으로 한 것들이 개인화된 지원 및 사회 시뮬레이션과 같은 분야에서 광범위하게 적용되어 왔다. 최근 RL 방법들은 학습이 시작되기 전에 미리 수집한 고정된 시나리오 풀에서 훈련을 받는다. 이로 인해 분포적 병목 현상이 발생한다: agent가 향상될수록 agent가 나쁜 성능을 보이는 시나리오도 변하고, 훈련 분포는 정적이다. 따라서, 우리는 역
BaseCamp - AI 프레임워크를 활용한 DNA 서열 데이터 PIPE라인 자동화
DNA 시퀀싱 pipe라인을 처리하는 quality control, alignment, variation calling, annotation과 같은 작업은 이제 대규모 언어 모델(LLM)과 같은 established bioinformatics 도구를 scale에 맞게 조율하는 workflow 관리 시스템에 의해 신뢰할 수 있게 실행되고 있습니다. 그러나 그 실행에 관련된 결정 layer는 여
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.