본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

검색

전체 기사

산업 6월 18일

미디저니, 고양이 사진부터 전신 초음파 스캐너까지

미디저니 CEO 데이비드 홀즈는 회사의 첫 번째 하드웨어 제품을 선보였고, 샌프란시스코에 스파를 지을 계획을 밝혔다. 그는 이 계획이 회사의 AI 이미지 생성기에서만 나온 '고양이 사진'과는 다르다고 인정했다. 미디저니 스캐너는 초음파를 이용한 전신 스캐너로, 센서의 반지 형태로 전방과 후방을 모두 감지할 수 있다.

AI 모델 6월 18일

부분적으로 관찰 가능한 환경에서의 이동 계획에 대한 생성 모델 예측 계획

무장관측 환경에서 tự율적 에이전트가 효과적인 의사결정을 하기 위한 어려움을 해결하기 위해, 학습된 신경망을 이용한 믿음 공간의 근사치를 이용하는 믿음 기반 방법은, 특히 높은 차원에서 인식 상동성을 포함한 믿음 공간의 내재적 다중모달성 captures를 실패한다. 그 동안 생성 모델은 대량의 데이터 또는 전문가 시연이 필요하며 장기 계획에 대한 명시적 메커니즘을 제공하지 않는다. 이 논문에

AI 모델 6월 18일

인공지능 연구자에게 연구 합성 및 검증을 외부화하는 연구 플랫폼을 통해

AI 시스템은 과학적 워크플로우를 점점 더 자동화할 수 있지만, 이전 증거, 생성된 아이디어, 실험 및 최종 주장 사이의 논리가 모델 추론 내부에 암묵적으로 남아 있는 경우가 많다. 여기서 우리는 Xcientist 라는 연구 도구를 소개한다. Xcientist는 연구 통합과 실험 검증을 검토할 수 있는, 계약에 따라 규정된 과정을 외부화한다. Xcientist는 문헌 증거, 아이디어 상태,

연구 6월 18일

월드 라인: 장기 상태 기반 몸체_AGENT의 성능 평가 및 모델링

인공 지능이 인간을 돕기 위해 오랜 기간 동안 실제 집에서 hoạt동할 수 있도록 하기 위해서는, 사용자의 일상 routine, 세계 상태, 과거 상호 작용을 기억해야 합니다. 현재의 장기 기억 평가 기준은 주로 언어 중심의 검색과 질문에 대한 답변에 초점을 맞추고 있습니다. 반면에, 신체화된 평가 기준은 종종 단기적인 과제 실행에 중점을 두며 장기 기억 사용을 동적 환경에서 테스트하지는 않

에이전트 6월 18일

산업용 택시 배차를 위한 유용성에 맞춘 인격적 사용자 프로파일링

산업용 리드 헤일링(ride-hailing) 호출 시스템에 대규모 언어 모델(LLM)을 포함시키기 위한 의미적 특징 추출기로서 플랫폼 크기 Behavioral 로그를 사용하는 것은 매력적이지만 아직까지는 데이터 시스템 문제로 미흡한 부분이다. 생산적인 매칭 PIPELINE은 여전히 구조화된 수치 특징에 의해 지배되고 있지만 결정적인 행동 신호(예: 운전자의 특정 지역에 대한 경향이 있는 반대

에이전트 6월 18일

로보컵 2D 축구 환경을 위한 다중 agent 강화 학습: R2D-RL

로보트 축구는 부분적 관찰성, 협력 및 적대적 상호 작용, 희소 보상, 그리고 장기 전략 행동이 결합된 다중 agent 강화 학습의 어려운 테스트베드로 간주된다. 로보트 컵 2D 축구 시뮬레이션(RCSS2D)은 성숙한 로보트 축구 플랫폼을 제공하지만, 현대 Python 기반 MARL 워크플로우와 직접적으로 사용하기 어려운 경쟁기반 서버-클라이언트 아키텍처를 가지고 있다. 우리는 R2D-RL이

에이전트 6월 18일

일반화된-agent가 기억해야 할 것

이 논문은 다양한 환경과 목표를 고려해 최적하게 행동할 수 있는 일반적 에이전트가 기억해야 하는 정보를 공식적으로 설명한다. 두 도메인이 관찰 한계를 공유하지만 충돌하는 최적 행동을 요구할 때, 균일하게 근사적으로 최적한 정책은 그 한계에서 서로 다른 기억 분포를 유발한다는 것을 보여준다. 이 결과는 분리 정리로 이어진다: 충분히 성공적인 에이전트는 현재 상태 관찰만으로 충분하지 않으며, 도

AI 모델 6월 18일

시뮬레이션 월드 예측 벤치마크 시스템: ForecastBench-Sim

일반 목적 인공지능 시스템의 예측 벤치마크는 일반적으로 실제 세계의 제약을 물려받습니다: 결과가 천천히 결정되며, 꼬리 현상이 드물며, 역추적 질문이 어려운 것입니다. 우리는 게임 롤아웃에서 Freeciv를 기반으로 한 시뮬레이션 세계의 예측 벤치마크인 ForecastBench-Sim을 소개합니다. [대규모 언어 모델(LLM)]을 위한 예측 벤치마크는 일반적으로 실제 세계의 제약을 물려받습니

AI 모델 6월 18일

지질적, 수요 및 가격 불확실성 하에서의 리튬 생산 결정 최적화: 다중 목표 의사결정을 위한 POMDP 프레임워크

리튬 생산에 대한 의사결정은 투자자의 관점에서나 전략적 생산 관점에서 모두 어려운 문제입니다. 어떤 광산을 열고 언제 열 것인지를 결정하는 데에는 지질학적 불확실성과 가격 불확실성 외에도 직접 리튬 추출에서부터 硬록 광산 채굴까지 추출 방법의 선택에 대한 복잡성이 있습니다. 이전 연구에서는 이 문제의 모델과 다양한 방법을 최적화한 채광 결정을 탐구했지만 가격 불확실성, 수요 불확실성, 리튬을

AI 모델 6월 18일

의무적 추론의 기초 모델에 대한 의무적 추론 성능 평가 지표

연구자들은 논리적 추론을 위한 새로운 벤치마크인 DeFAb을 발표했다. 이 벤치마크는 논리적 추론을 위한 규칙 기반 로직 솔버를 사용하여 100% 정확도로 모든 인스턴스를 50마이크로초 이하로 해결할 수 있다. 반면, 대규모 언어 모델(LLM)은 최고 65%의 정확도를 달성하고, 렌더링 강화 평가(worst case over four surface renderings)에서 23.5%의 정확도