본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

검색

전체 기사

에이전트 5월 27일

장기 사용자 상호작용에서 embodie된 다중 모드 언어 모델 에이전트 개인화

대규모 멀티모달 언어 모델(LLLM)- 기반 몸체(agent)가 물리 환경에서 복잡한 작업을 해결하는 데 강력한 잠재력을 보인다. 하지만 개인화된 지원은 일반적인 지시를 따르거나 물체 카테고리만 식별하는 것보다 더 필요하다. 실제 세계 시나리오에서 목표는 종종 이전 상호 작용을 통해 암시적으로만 지정되며, 시간이 지남에 따라 축적된 개인화된 맥락을 활용하여 agent가 개인화된 맥락과 시각적

에이전트 5월 27일

Agent 메모리는 데이터베이스일까? 장기 AI agent 메모리의 데이터 기초를 다시 생각하기

장기 AI agent는 지속적인 메모리가 필요합니다. 메모리는 학습을 위해 세션을跨越하고 반복적인 컨텍스트 주입을 줄이고 과거의 결정의 감사성을 지원합니다. 그러나 현재의 agent 메모리 시스템과 데이터베이스 패러다임은 메모리를 저장소로 취급하고, 기록, 임베딩, 또는 에지의 정확성을 localize합니다. 그러나 장기 메모리의 요구 사항을 충족하는 것은 불가능합니다. 따라서 장기 AI agent 메모리의 데이터 기초를 다시 생각할 필요성이 있습니다.

LLM PC 5월 27일

LLMs가 자각할 수 있을까? 현실 점검

대규모 언어 모델(LLM)이 내부 상태를 감지하고 보고할 수 있는지 여부에 대한 연구가 여러 차례 진행되었지만, 이러한 결론이 미리 맏기기에 지나치다고 생각합니다. 인간의 자기 인식 연구에서 배운 교훈을 바탕으로, 내부 상태를 진정하게 인식하는 것과 표면적인 자극에 기반한 패턴 매칭을 구별하는 것은 필수적이라고 생각합니다. 또한 단지 행동적 증거만으로는 강력한 자기 인식 주장을establis

AI 모델 5월 27일

블록이 무엇이나 될 수 있는 것: 구조를 고려한 블록 생성과 구조를 인식하는 토큰화

3D 형태를 기반으로 물리적으로 구축할 수 있는 벽돌 구조를 생성하려면 단순한 기하학적 복원만 아니라, 분할된 부품 제약 조건과 구조적 안정성도 충족해야 한다. 현재의 벽돌 생성 방법은 대개 힌트 기반 최적화에 의존하는데, 목표 3D 형태가 정의된 제약 조건하에서 가능성이 있는 구조를 허용하지 않을 경우 최적화가 붕괴할 수 있다. 또는, 벽돌 시퀀스를 생성하는 데 3D 기하학 및 조립 관계를