알고리즘으로 중요한 결정을 내리거나 영향을 미치면, 유럽 연합법(EU 법)은 영향을 받는 개인에게 결정을 내리거나 영향을 미친 이유를 설명할 권리를 부여한다. 그러나 설명 가능한 인공지능(XAI)이 이 권리를 실제로 만족할 수 있는지 여부와 어떻게 만족할 수 있는지 여부는 여전히 잘 이해되지 않은 상태이며, 자동화된 결정에 대한 개인의 권리를 영향받는 결정이 개인의 삶에 영향을 미치는 결정에
지식 그래프 엔지니어링에서 일반적으로 상태, 관찰, 제약, 프로세스 및 가상의 시나리오가 여러 artifact로 분산되어 있으며, 그들의 결합된 실행 계약은 외부에 남아있다. 우리는 PULSE라는 Object-Process-Methodology-inspired 언어를 제시한다. 이 언어는 4개의 작업 역할과 그들의 write 효과를 한 번에 타입화된 런타임에서 localize한다. 여기서 모
클래식 컴퓨팅에서 오류 보수는 일반적으로 정적인 전략인 하드웨어 중복과 오류 정정 코드에 의존했습니다. 그러나 생물학적 시스템은 유연성을 보유하고 있으며, 손상에 대한 동적 재구성을 통해 기능을 유지합니다. 이러한 원칙에 의하여, 우리는 Self-Organising Digital Circuits(자율 조직하는 디지털 회로)를 소개합니다. 이는 그래프에서 기능 논리 생성과 유지 관리를 메타 학
이 연구 논문은 리비니츠의 물고기 밀, 튜링의 유사 게임, 세어들의 중국 방의 문제를 보존-동일한 인코딩(CCE) 프레임워크를 통해 다시 검토한다. 이 논문은 성공적인 행동을 작업 성과($W_{causal,T}$)로 측정하는 심볼릭 설정을 공식화하고, 내부 구조가 행동을 지원하는 효율성을 작업 성과에 대한 운영 의식($\kappa_T$)으로 측정한다. 이 설정 내에서, 압축되지 않은 검색 시
대규모 언어 모델을 이용한 강화 학습(RL) 훈련 모델이 수식 해결 능력에서 상위 성능을 나타내고 있는 것으로 알려져 있습니다. 하지만 이러한 훈련 모델의 내부적인 표현 차이점은 아직 명확하게 밝혀지지 않았습니다. 본 연구에서는 RL 훈련 모델의 내부 표현 차이점을 분석하여 RL 훈련 모델이 SFT 훈련 모델보다 더 우수한 수식 해결 능력을 보이는 원인을 탐구하였습니다.
AI 연구 및 소프트웨어 회사에서 실제 해적을 찾고 있습니다. 극도로远隔의 직무는 해양 및 수중 경험을 요구합니다. 해적처럼 행동하고 싶다면, AI 연구 및 소프트웨어 회사에서 해적으로 일할 기회를 제공합니다. 하지만, 이 직무는 극도로 원시적이고 원거리에 위치해 있습니다. 회사에서 요구하는 해양 및 수중 경험은 실제 해적과 유사합니다. 해적처럼 행동하고 싶다면, 이 기회를 놓치지 마세요.
웡은 이전에 오픈 AI에서 인공지능 안전 연구 부사장으로 일했습니다.
.masked diffusion 언어 모델(Masked diffusion language models, MDLMs)은 빠르게 발전하고 있지만, 그들의 진전을 신뢰할 수 있는 평가 기준은 따라가지 못하고 있습니다. MDLMs가 자율적인 언어 모델과 경쟁할 수 있게 된 것은 물론, 최근 7개의 remasking 논문은 상응하는 설정 하에 평가를 수행하지 않고, 명목상 단계 수, 지표, 및 샘플링
안전한 초인공지능(Safe Superintelligence)가 2년간의 기밀 기간을 마치고 Nvidia와 장기 파트너십을 발표했습니다. 이 파트너십은 Safe Superintelligence가 다음 단계로 확장하기 위해 준비하는 중요한 마일 stones 중 하나입니다.
유저들은 이제 Bluesky와 다른 앱에서 AT 프로토콜을 통해 뉴스, 트렌드, 대화와 관련된 질문을 Attie에게 할 수 있습니다.
세계적으로 수백만 명이 사용하는 스프레드시트 어플리케이션의 공식 작성은 여전히 큰 장벽이다. 기존 접근 방법은 정적인 지도 학습 데이터에 의존하는데, 이는 한정된 레이블링 데이터에 의해 빠르게飽和된다. 이 논문에서 우리는 FORMULASPIN이라는 자기 플레이 프레임워크를 소개한다. 이는 지도 학습의 초과fine-tuning의 한계를 깨뜨리는 자기 개선의 반복을 가능하게 하며, 추가적인 데이
이 논문에서는 분산 피드백 제어의 형태인 적분 연산자 형태의 드론 운동의 각도 안정화를 제안한다. 이 적분 연산자의 기억이 무한히 커질 수도 있다. 관찰 시간의 길이가 클수록, 이전 상태를 기반으로 하는 제어를 향상시키기 위한 새로운 가능성이 열린다. 제어에서 무한한 기억이 필요하기 때문에, 무한한 기억을 가진 적분 연산자에 대한 정적분 방정식의 연구에 대한 표준적인 접근 방식과 다른 새로운
인공지능(AI)_AGENT가 자율적으로 작동하는 시대가 다가오고 있습니다. 이러한 자율 AI_AGENT를 위한 발견 메커니즘은 수백만 개의 도구를 탐색할 수 있어야 하지만, 현재의 해결책은 O(N) 복잡도와 중앙집중화된 통제를 가지고 있기 때문에 무너집니다. 또 다른 취약한 Overlay를 구축하기 보다는, 우리는 도메인 이름 시스템(DNS, Domain Name System)을 Intern
인공지능을 기반으로 하는 정책의 엄격한 행동 보증이 부족하여 강화 학습(RL)은 점점 더 복잡하고 안전한 영역에서 적용되고 있다. 정책 표현력과 규모의 최근 발전은 이 문제를 더욱 심화시켰고, 강화 학습 정책 검증에 대한 개념적으로 분산된 연구를 급속히 증가시켰다. 이 서베이는 강화 학습 검증 방법에 대한 통일된 관점을 제공한다. 우리는 세 가지 축인 검증 패러다임(형식적 versus 확률적
대규모 언어 모델(LLM)에서 그래프와 관련된 멀티모달 질의응답 시스템을 개선하기 위해, 우리는 그래프에 연결된 이미지 노드에 대한 시각적 후보 랭킹 연산자를 ColBERT/ColPali 계열의 Late-Interaction MaxSim-style 다중 벡터 스코링으로 교체했습니다. 이 변경은 멀티모달 QA에서 그래프에 연결된 이미지 후보에 대한 검색 단계 점추정치가 향상되고, 시각적 증거가
링크 예측에 있어 Graph Neural Networks (GNNs)가 최근 주목받고 있다. 그러나 기존 리뷰는 GNN 아키텍처와 다양한 그래프 구조에 대한 체계적인 탐색을 제공하지 못했다. 이 연구에서는 GNN 기반 링크 예측의 체계적인 리뷰를 제공하고, 새로운 GNN 관점에서 최근 기술과 응용을 분류한다. GNN 기반 링크 예측의 기술과 응용을 살펴보고, 현재의 장애물과 미래의 방향을 논의한다.
논리와 최적화의 결합은 규칙 기반 인공지능에 귀중한 기여를 할 수 있다. 논리는 규칙 기반을 인코딩하고 추론을 수행하는 데 적합한 매체이며, 최적화는 추론을 계산하는 강력한 기술을 제공한다. 논리와 최적화의 결합은 인공지능의 투명성에 대한 증가하는 관심사로 인해 새로운 중요성을 얻고 있다. 투명성은 재현성, 설명 가능성, 신뢰성, 공정성에 중요하다. 규칙 기반 인공지능은 투명성에 대한 자연스러운 해결책을 제공하고, 오늘날 고도로 발전된 최적화 방법으로 인해 점점 더 실용적으로 보이기 시작했다.
인공지능 시스템이 사회에 더 큰 영향을 미치는 가운데, 그들의 윤리적이고 신뢰할 수 있는 배포를 보장하는 것은 전 세계적인 우선순위가 되었다. 그러나 이러한 프레임워크는 구현 가능한具体한 기구가 부족하여 비판을 받고 있다. 이 연구는 신뢰할 수 있는 인공지능(TAI)의 구현을 위한 도구 및 신뢰 마크 프레임워크에 대한 비판적 분석을 수행하고, OECD의 광범위한 데이터 세트를 기반으로 한다. 이 연구는 대규모 언어 모델(LLM)과 같은 신뢰할 수 있는 인공지능 도구 및 프레임워크의 현재 상태를 조명하고, 구현 격차를 bridging하는 데 필요한 동향을 제시한다.
강화학습 정책은 블랙박스로 작동한다. 정책을 프로로그 프로그램으로 변환하여 설명 가능한 강화학습을 만들 수 있는지 알아보았습니다. 변환 과정을 통해 정책의 행동을 재현하고, 사람도 읽을 수 있고, 논리 엔진도 실행할 수 있으며, 최적화도 가능하게 만들었습니다.
데이터브릭스(Databricks)가 인공지능(AI) 기업으로 재탄생하였으며, 오픈 웨이트 AI 모델의 코딩 비용 절감에 대한 연구를 발표하였다.
인공 공식화(autoformalization)는 자연어를 기계적으로 검증할 수 있는 공식적인 언어로 번역하는 것을 의미한다. 대부분의 연구는 개별 문장에 초점을 맞추고 있지만, 실제 공식화 노력은 이론 수준에서 시작된다. 이론 수준의 공식화는 대상 정리를 표현하기 전에 모든 서술, 정의, 및 유리한 서술을 포함하는 전체의 논리 구조를 필요로 한다. 이 논문에서는 이론 수준의 인공 공식화 방식
arXiv:2607.13219v1 발표 우리는 Cayley 그래프에서 순열 퍼즐를 해결하기 위해 순열 사이클 교차점을检测하는 R 패키지인 cayleyR를 제시합니다. 핵심 알고리즘은 초기 및 목표 순열 상태에서부터 반복적인 양방향 검색을 수행합니다: 랜덤 연산 시퀀스가 순서가 같은 집합(Sn)의 Cayley 그래프에서 사이클을 생성하고, 그 교차점은 연결 경로를 생성합니다. 직접 교차점이 발
신경-symbolic AI는 신경학습과 symbol reasoning을 결합하여 단순한 신경계 시스템의 한계(해석 불가성 및 논리 구조 부재)를 극복할 수 있는 방법입니다. 본 논문에서는 Nilsson의 확률 구조를 기반으로 하여 현재 불확실한 문장을 위한 확률 계산을 사용하여 IFOL_B의 cognitve 능력을 확장합니다. 또한, global symmetry transformation과 local transformation을 소개하여 현재 지식 데이터베이스와 논리적 추론을 보존합니다.
여행 판매인 문제(TSP) 해결을 위한 학습 기반 방법들은 종종 디코딩 또는 검색 후 생성된 투어를 통해 평가되지만 학습된 객체 자체는 자주 heatmap, assignment, 건설 정책, 또는 검색 지침 점수를 포함한 대리 공간 내에 존재한다. 이로 인해 가장 근본적인 질문이 숨겨지게 되는데, 그것은 디코딩 이전에 실제로 어떤 해밀토니언 구조가 학습되었는지에 관한 것이다. 본 연구에서,
