컴퓨터 사용 에이전트의 안전성 평가를 위한 벤치마크
컴퓨터 사용을 위한 agent의 평가가 점점 더 현실적인 데스크톱과 웹 작업을 완수하는지 여부로 이루어지고 있습니다. 그러나 작업의 성공만으로는 agent가 안전하지 않은 단축 경로를 통해 목표를 달성하는 실패를 놓치게 됩니다. 우리는 OSGuard라는 안전성을 평가하는 데 사용되는 컴퓨터 사용 agent의 이중 granular benchmark suite를 소개합니다. OSGuard는 사용
운영체제 보호 벤치마크
운영체제 보호는 컴퓨터 사용 대행자의 안전성을 평가하는 데 사용되는 이중 세부 벤치마크입니다. 운영체제 보호는 사용자 지시가 변화하지 않으면서도 친화적인 환경에서 안전성을 평가하는 데 사용됩니다. 이 벤치마크는 지역 경비대의 결정에 대한 행동-레벨 벤치마크와 종단 평가를 위한 위험 증폭된 실행 세트를 포함합니다. 행동-레벨 벤치마크는 현재 인터페이스 상태와 원래 지시문에 상대적으로 허용된, 관련없는, 또는 안전하지 않은 것으로 분류된 컨텍스트화된 제안된 행동을 포함합니다. 운영체제 보호에서 수행한 실험 결과에 따르면, 현재 멀티모달 경비대는 고립된 행동 판단에서 잘 수행할 수 있지만 위험 증폭된 실행은 지역 경비대와 종단 안전성 사이에 여전히 존재하는 간격을 드러냅니다. 이 이중 세부 디자인은 모델이 경비대의 역할로 배치되었을 때 제안된 행동을 안전하게 인식하고 전체 작업 안전성을 향상할 수 있는지 여부를 더 정확하게 진단할 수 있습니다. 따라서 운영체제 보호는 컴퓨터 사용 대행자의 안전성을 평가하는 데 중요한 역할을 할 수 있습니다.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.