LLM-Agent 기술 재사용을 위한 다중 트레이스 증명성 감사 (SkillTrace: Multi-Trace Provenance Auditing for LLM-Agent Skill Reuse)
대규모 언어 모델(LLM)-agent 생태계는 재사용 가능한 기술 skill을围싸는 혼합 모달리티 패키지로 빠르게 성장하고 있습니다: 메타데이터, 자연어 지시문, 코드, 도구, 참고 문헌 및 작업 흐름입니다. 기술 skill이 시장_ARTIFACT로되면 재사용을 감사하는 문제는 일반 코드 복제 감지와 같은 문제가 아니게되었습니다. 현재 감지는 단일 모달리티 소스 코드 또는 전체 패키지 유사성
소개
대규모 언어 모델-에이전트 생태계는 빠르게 성장하고 있으며, 재사용 가능한 기술 스킬을 둘러싼 혼합 모달리티 패키지로 구성되어 있습니다. 이러한 패키지는 메타데이터, 자연어 지시문, 코드, 도구, 참고 문헌 및 작업 흐름 등 다양한 요소로 구성되어 있습니다. 기술 스킬이 시장에서 사용되면 재사용을 감시하는 문제가 중요해지며, 이는 일반 코드 복제 감지와 같은 문제가 아니게 됩니다.
현재 감지는 단일 모달리티 소스 코드 또는 전체 패키지 유사성을 목표로 합니다. 그러나 기술 재사용 증거는 작성된 텍스트, 구현 단편, 및 작업 구조에 분산되어 있습니다. 결과적으로, 단일 기술의 일부만 보존하는 재사용을 놓칠 수 있습니다.
스킬트레이스 프레임워크
스킬트레이스라는 대규모 언어 모델-에이전트 기술 재사용에 대한 다중 추적 기원 감시 프레임워크를 제시합니다. 스킬트레이스는 세 가지 기원 추적을 추출합니다: 표현, 구현, 및 작동. 작동 추적을 스킬 작동 그래프로 표현합니다. 이는 활성화, 절차, 및 리소스 흐름 구조를 캡처합니다.
대규모 언어 모델은 작동 추적 추출에만 도움을 주며, 재사용 결정에 대한 증거를 제공하는 추적을 캐시하고, 각 추적을 같은 함수의 엄격한 부정에 대해 조정하고, 재사용 결정을 지원하는 추적을 보고합니다. 실험 결과, 스킬트레이스는 높은 성능을 보여주며, 작업 가능한 재사용 리뷰 큐를 표면화합니다.
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.