인공지능 인구에서 과학적 관심의 배분과 사회적 영향
인공지능 시스템이 과학 연구의 평가와 사용에 참여하는 과정에서 인용 횟수, 다운로드 통계, 인공지능 독자 중심으로 개발된 인기 글 목록을 마주하게 되지만 인공지능 독자에 대한 이러한 신호의 집합적 결과는 불확실하다. 이 논문은 음악 연구소 디자인을 학술 관심의 시장으로 adapting. 첫 번째 실험에서, 2025년 미국 경제학 연구에 발표된 114개의 정기 연구 논문 제목과 요약에서 1,000개의 AI agent가 논문을 선택한다. 실험에는 5개의 독립적 선택 공동체와 5개의 사회적 영향 공동체가 있으며, 각 공동체에는 100개의 순차적 agent가 있다. 사회적 영향 조건의 agent만 이전 선택을 공동체 내에서 관찰할 수 있다. agent는 논수를 선택할 수 있는 수의 제한이 없다. 사회적 정보 공동체는 각 agent당 17.2% 적게 논수를 선택하고 선택을 집중적으로 집중하며, 독립적으로 선택한 90개의 논수에 비해 73개의 논수를 collectively 선택한다. 사회적 정보 공동체 간의 변이는 더 크다. 두 번째 실험에서 20개의 사회적 공동체에 걸쳐 200개의 agent가 5회 초기 선택에 random하게 assign된 논수가 후속 선택률을 45.55% (95% CI: 41.20 to 49.90) 증가시킨다. 선택은 외적 인용과 다운로드 횟수와의 일치가 적다. 결과는 단순한 정보 규칙이 인공 집단의 과학적 관심의 양, 폭, 분포를 shape한다.
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.