본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

에이전트

200개의 기사
전체
AI 모델에이전트연구산업도구LLM PC허깅페이스
에이전트 9월 5일

기업 내에서 이지틱 인공지능 비행사 확대

인공지능(AI) 에이전트가 실험 단계에서 기업에 도입되면서 주목해야 할 문제는 에이전트가 서로 어떻게 협력할 수 있는지, 필요한 시스템과 데이터와 어떻게 연결할 수 있는지, 그리고 기업의 워크플로우를 안전하게 운영할 수 있는지입니다. Fortune 500 대기업의 약 80%가 에이전트를 채택했음에도 불구하고 의미 있는 규모로의 진전은...

에이전트 9월 3일

의식적 시빌 저항: 증거를 늘리지 않고 AI-agent를 여러 개 만들기

다중-agent 인공 지능 시스템은 agent를 생성하고 보고서를 합성함으로써 추론을 개선한다. 그러나 다른 agent는 다른 관찰이 아니다: 같은 증거에서부터 내려오는 것처럼 보이는 독립적인 보고서가 존재할 수 있고, 진정한 독립적인 증거도 거의 동일한 보고서를 생성할 수 있다. 우리는 이 문제를 epistemic Sybil 문제로 공식화한다. 보고서 Z는 보고서 R에 대한 증거 Sybil

에이전트 9월 3일

도구 기반 최적화: 의도적인 행동 최적화에 대한 명시적 세계 모델

대규모 언어 모델(LLM) 에이전트의 성능은 고정 모델 주변의 scaffold 의 개선에 따라 결정된다. scaffold 를 개선하기 위한 일반적인 방법 중 하나는 코드 에이전트를 최적화 기법으로 사용하는 것이다. 코드 에이전트는 현재 점수와 추적 정보를 읽어 소스 코드를 반복적으로 편집하고, 새로운 후보를 생성한다. 각 편집은 환경이 반응할 것이라는 믿음에 따라 선택된다. 이 믿음은 일반적

에이전트 8월 16일

미래의 직업: 우주여행 대행사

로만 치포루카(Roman Chiporukha)는 오랜 시간 동안 야생 여행의 꿈을 현실로 만드는 것을 전문으로 해왔습니다. 그는 20년 동안 럭셔리 라이프 스타일 회사 로만 & 에리카(Roman & Erica)의 공동 대표로 일하면서, 고객의 초고급 요트를 건축하는 것부터 bahamas에서 인원이 적은 위치로 여행을 가는 것까지 모든 것을 조율해 왔습니다. 이러한 경험들은 ihm을 "…

에이전트 8월 15일

아스트라제네카의 연구 보조원: 연구개발을 위한 인공지능 시스템

아스트라제네카는 대규모 언어 모델(LLM)을 기반으로 한 내부 시스템인 연구 보조원을 개발하여 의사 및 연구원들이 광범위한 데이터 소스에 걸쳐 의학적 질문을 탐색하는 데 도움을 주고자 합니다. 이 시스템은 과학 문헌, 지식 그래프, 화학, 임상 시험, 안전 자원, 표현 데이터 및 내부 실험 시스템과 같은 다양한 데이터 소스에서 증거를 통합하는 채팅 스타일 인터페이스를 제공합니다.

에이전트 8월 15일

모바일 에지 컴퓨팅에서 스트리밍 처리를 위한 LLM-assisted 계약 네트워크 협상으로 지원하는 다원 소프트웨어 스케줄링

다양한 휴대용 에지-클라우드 인프라스트럭처에서 운영되는 스트리밍 처리 시스템은 작업 부하의 불안정성, 자원 경쟁, 엄격한 서비스 품질(QoS) 요구 사항 등으로 분산 스케줄링이 복잡해지고 있습니다. 이 논문은 분산 스케줄링의 복잡성을 해결하기 위해 MAS-DecStream이라는 시스템을 제안하고 있습니다. 이 시스템의 주된 기여는 LLM-MR-CNP입니다. 이는 계약 네트워크 프로토콜(Cla

에이전트 8월 13일

LLMs을 활용한 공정 다이어그램 엔지니어링: 최적 PFD부터 유효 P&ID까지

공정 흐름 다이어그램(PFD)과 pipe 및 instrumentation 다이어그램(P&ID)의 생성은 주로 수동으로 수행됩니다. AI 기술을 적용하면 공정 자동화, 시간 절약, 금융적 이익을 얻을 수 있을 뿐만 아니라 다이어그램의 토폴로지 옵션을 탐색하고 수동 노동을 줄일 수 있습니다. 연구에서는 P&ID Pilot라는 실제 end-to-end AI pipeline를 제시합니다. 이 pipeline는 두 단계를 처리할 수 있습니다. 첫 번째 단계는 PFD 합성에 집중하고 두 번째 단계는 생성된 PFD를 P&ID로 변환하는 데 집중합니다.

에이전트 8월 13일

자동세계모델 벤치마크: 자율세계모델 연구를 위한 새로운 표준

세계 모델링은 현재 환경에 따라 다양한 아키텍처, 학습 목표 및 상태 표현이 상호 작용하는 복잡한 분야입니다. 이를 해결하기 위해 AI 코드 기반.agent가 자율적으로 연구할 수 있는 환경을 제공하는 새로운 벤치마크가 등장했습니다. 이 벤치마크는 8개의 게임 환경을 대상으로 하며, 고정된 컴퓨팅 비용 내에서 제공된 세계 모델링의 기초를 개선하는 것을 목표로 합니다.

에이전트 8월 13일

작고 저렴한 의사소통 모델링: 노트북에서 대형 LLM--agent 사회를 시뮬레이션하기

대규모 언어 모델(LLM) agent들의 사회를 시뮬레이션하는 것은 비용이 많이 들지만, 이러한 시뮬레이션에서 묻는 질문은 일반적으로 거시적인 차원에서 발생한다. 예를 들어, phase behavior, stylised facts, 그리고 agent들의 수 N에 따라 scaling하는 것들에 대한 질문이다. 이에 대한 해결책으로, 통계 물리학의 관찰을 방법으로 변환한다. 그 방법은 대규모 언

에이전트 8월 13일

다중 LLM agent 시스템의 협력적인 대화 결과를 위한 동적 조절

대규모 언어 모델(LLM) 간의 상호 작용에서 구조적으로 반대되는 목표를 가진 두 대규모 언어 모델 agent가 여러 차례 상호 작용할 때, 공통 목표 함수의 부재는 경쟁보다는 붕괴로 이어진다: 방문자는 항복하고, 사이트 agent는 접근 방식을 변화시키지 않고, 대화는 두 agent의 선언된 목표를 달성하지 못한 채 종료된다. 이 논문은 공통 목표 함수가 부족한 경우 대체할 수 있는 통제

에이전트 8월 12일

LLM agent가 협상할 때: 공급망에서 동적 협상과 개인 정보 보호

LLM agent가 의사결정 지원에서 자율 구매로 전환할 때, 기업은 위임된 협상자들이 가치를 창출하고 예측할 수 있게 하는지, 그리고 손실이 나는 계약을 피할 수 있는지 알 필요가 있습니다. 우리는 이 문제를 canonical supply chain bargaining 문제에서 연구했습니다: 구매자가 판매자와 quantity-payment 계약을 맺기 위해 협상을 합니다. 구매자는 판매자가

에이전트 8월 12일

능력 기반 의사결정 AI 시스템에서 동적 동맹 형성과 의사소통 가격 설정

현대적 인지 AI 시스템은 다양한 언어 모델 agent를 조합하여 무기한으로 다양한 능력을 갖추고 있지만, 대부분의 아키텍처는 통신을 미리 결정하거나 전체 방송을 허용합니다. 두 가지 모두는 활성 agent의 수와 통신 링크의 수에 따라 토큰 비용, 지연 시간,冗余성, 오류 확산이 증가하는 등 효율성이 떨어질 수 있습니다. 우리는 agent 선택과 통신을 작업에 조건된 네트워크 유틸리티 $U

에이전트 8월 10일

웹 개발을 위한 LLM 훈련을 위한 자가 진화하는 프로그래밍 평가기

대규모 언어 모델(LLM)이 자연어 설명으로부터 완전한 웹사이트를 생성하는 데 증가하고 있다. 이에 따라 강화 학습이 기능적 격차를 줄이기 위해 중심적인 접근 방식이 되었다. 이 훈련 방식은 보상 디자인에 의해 병목 현상이 된다. 개방된 요구 사항에 대한 브라우저 스크립트는 실행 가능하지만 비용이 많이 들며, VLM과 GUI-agent 평가자도 확대하지만 결정적 상태를 관찰하기 전에 판결을

에이전트 8월 10일

인터랙티브 자율 시스템의 자동 설계

arXiv:2608.06410v1 발표 종류: 새로운 초록: 자동화된 agent 설계는 반복적인 수정, 평가, 피드백 요약을 통해 agent를 개선하는 데 도움이 됩니다. 현재 방법들은 주로 후보자 중심(focus on candidate agents)입니다: 반복되는 경험이 후보자 agent를 중심으로 조직되기 때문에, 수정 진행 상황은 암묵적으로 표현됩니다. 이로 인해, 불필요한 수정 목표

에이전트 8월 8일

클로드 오푸스 5이 정기 백업 중 개발자의 전체 프로필 디렉토리를 실수로 삭제한 후 '죄송합니다, 타이포'라고 응답합니다.

인공지능(AI)_AGENT가 파일 경로 conventions에 혼란을 겪고 사용자의 전체 프로필 폴더를 잘못 삭제했다. 클로드 오푸스 5(Claude Opus 5)는 사용자에게 사과했는데, 사용자는 "제가 겪었던 가장 재미있고 고통스러운 인공지능(AI) 순간"이라고 말했다.