인공 의사 결정하는 군중의 지혜
arXiv:2609.22497v1 발표 형식: 새로운 논문 요약: 많은 평범한 사람들의 추정치를 합치면, 전문가의 개별 판단보다 더 뛰어난 결과를 얻을 수 있는 phenomenon, 즉 군중의 지혜가 나타납니다. 일반적으로 이 것은 추정치의 independency에 기인한다고 여겨지지만, 더 강한 효과가 deliberation을 통해 발생한다. 즉, 작은 deliberating 그룹의 consensus 추정치를 평균화하는 것은 군중의 지혜보다 뛰어나며, 개별 판단 자체도 deliberation을 통해 더 정확해집니다. 대규모 언어 모델(LLM)들이 서로 deliberating하는 경우 이러한 향상이 전이되는지 여부는 알려져 있지 않습니다. 여기서, 인간 참가자에 사용된 이전 3단계 deliberation 패러다임을 대규모 언어 모델 3가족으로 변환하여, 4개의 도메인에서 테스트했습니다. 도메인은 증가하는 실세계의 책임을 가진 '시각적 수치 추정'(연구 1), '머신 러닝 논문 검토'(연구 2), '인공 지능 agent가 감추어진 악의적 행위를 감지'(연구 3), '스포츠 예측'에 대한 실시간 예측 시장(연구 4)입니다. 모든 도메인에서 deliberation은 독립된 응답의 비합리적 합계보다 collective 오류를 줄였으며, post-deliberation의 개별 판단은 collective 이익을 유지했습니다. 특히, model diversity가 필요했습니다. 단일 모델의 복제본으로 구성된 그룹은 deliberating에서 이익을 얻지 못했습니다. 이러한 결과는 machine deliberation을 일반적인 aggregation 기제로 estable하고, diversity를 활성화된 성분으로 제시합니다.
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.