오픈클로와 올라마미 : 완전 자동화되고 확장 가능한 에이전트 AI 시스템 방향으로
대규모 언어 모델(LLM)에서 반응형 시스템에서 지속적이고 행동할 수 있는 시스템으로의 급격한 전환은 주체적 인공지능(Agentic AI)의 구조적 이해에 대한 중요한 약점을 드러내었다. 특히, 자율 인공지능 에이전트의 추론, 조정, 실행 layer를 분리하는 것이 중요하다. 최근의 발전에도 불구하고, 전체 스택 주체적 시스템을 설계하고 평가하기 위한 통합 프레임워크는 제한적이다. 이 논문은 주체적 인공지능에 대한 포괄적이고 layer화된 구조를 제시하며, 반응형 LLM 인터페이스에서 지속적이고 목표를 갖는 자율 인공지능 에이전트로의 진화에 대한 구체적인 설명을 제공한다. 이 에이전트는 기억, 계획, 지속적인 실행을 포함한다. OpenClaw와 Ollama를 하나의 전체 스택 주체적 인공지능 시스템으로 분석하였으며, Ollama는 대규모 언어 모델 추론 layer를 담당하고 OpenClaw는 에이전트 런타임 조정 layer를 담당하여, 추론, 도구 사용, 실행을 통합하였다. OpenClaw-Ollama 구조의 프로토 타입 실험적 검증을 통해, 시스템 레벨 통합에서 독립된 모델보다 지속적 인 기억, 도구 사용, 적응적 의사 결정을 위한 성능 향상이 나타났으며, 이러한 성능 향상은 구조적 복잡성이 증가함에 따라 지속적으로 향상되었다. 이 연구는 자율 인공지능 시스템의 확장성, 보안, 개인 정보 보호, 통제, 평가에 대한 도전을 살펴보고, 강력한 benchmarking 및 시스템 레벨 설계의 필요성을 강조하였다. 향후 연구 방향으로는 확장성 있는 다중 에이전트 구조, 분산 자율 시스템, 인간에 대한 주체적 인공지능 프레임워크를 포함한다. 이 연구는 주체적 인공지능에 대한 통합 구조를 제공하고, 전체 스택 자율 인공지능 에이전트의 효과성을 검증하며, 확장성 있는, 보안적인, 신뢰할 수 있는 주체적 시스템을 위한 로드맵을 제공한다. 모든 모델, 코드, 데이터셋은 reproducibility 및 benchmarking을 지원하기 위해 공개되었다.
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.