전체 기사
AI 시스템을 사용하지 않고 논문 검토를 자동화하지 말아야 한다. AI 시스템은 대규모 언어 모델(LLM)로 논문 검토를 해결하는 유혹적인 솔루션을 제공한다. 이 논문은 오늘날의 AI 시스템을 사용하여 논문 검토를 생산하는 것은 불필요하다고 주장한다. AI 시스템이 인간과 AI가 생성한 ICLR 2026 검토를 비교하고 AI 검토자에 대한 자동화된 논문 재작성의 효과를 평가하여 이 주장을 뒷받침한다. 이 연구에서 두 가지 중요한 문제점을 발견했다. 1) AI 검토자는 논문 내에서 과
Terminus-4B: 더 작은 모델이 프론티어 대규모 언어 모델(LLM) 대신 에이전트 실행 작업에서 대체할 수 있을까? 현대 코딩 에이전트는 특화된 서브태스크를 서브에이전트에 위임하는데, 서브에이전트는 좁은 책임을 맡는 더 작은 에이전트 루프이다. 이 아키텍처 패턴은 메인 에이전트의 컨텍스트 창을 깨끗하게 유지하기 위해 verbose 출력(예: 빌드 로그, 테스트 결과 등)을 서브에이전트 컨텍스트 내에 분리한다. 에이전트가 이러한 작업을 위해 서브에이전트를 사용할 때, 일반적으로 프론티어
자율적 에이전트의 순차적 행동을 검증하는 새로운 알고리즘을 제시했다. 이 알고리즘은 2-10개의 성공적인 실행 트레이스를 통해 올바른 행동을 자동으로 학습하고, 학습된 모델에 새로운 실행을 검증한다. 이 알고리즘은 컴파일러 이론의 도미네이터 분석 및 멀티모달 대규모 언어 모델-powered 의미 이해를 결합하여 필수 상태를 식별하고 비결정적 행동을 처리한다. 시스템은 Prefix Tree Acceptors를 사용하여 일반화된 ground truth 모델을 생성하고, traces를 다중 계층 적합성
기호 회귀( Symbolic Regression, SR )는 주어진 데이터셋을 가장 잘 설명하는 수학적 표현식을 발견하는 과제로 과학적 발견의 근본적인 도전 중 하나입니다. 전통적인 접근 방식은 주로 유전 알고리즘과 관련된 진화적 방법에 기반을 두고 있으며 유용하긴 하지만 확장성과 표현력의 한계를 가지고 있습니다. 최근 기호 회귀에 대규모 언어 모델(LLM)-기반 진화적 검색 방법이 소개되었으며 좋은 결과를 보여주고 있습니다. 그러나 기존의 LLM 기반 접근 방식은 주로 평균 제곱 오차와 같은 스
당신과 함께 하겠는가? 태스크 기반 팀 대화에서 정신 모델 불일치 감지 프레임워크 arXiv:2605.03149v1 발표 종류: 새로운 요약: 인간들은 일반적으로 자연어를 사용하여 팀원들에게 태스크 상태를 업데이트합니다. 모든 업데이트가 전달되지 않기 때문에 팀원들 사이의 정신 모델 불일치가 발생하여 팀의 전체 성과에 부정적인 영향을 미칩니다. 우리는 이러한 불일치를 어떻게 분류할 수 있을까요? 팀 대화에서 감지된 불일치가 미래의 정신 모델 불일치에 예측할 수 있나요? 전통적인 공유된 정신 모델(
컴퓨팅 티엘레 규칙에 대한 간격 선거와 그 일반화에 대한 연구 arXiv:2605.03067v1 발표 유형: 새로운 요약 승인 기반 위원회 투표가 사회적 선택 커뮤니티에서 받은 관심이 크다. 연구된 규칙 중 티엘레 규칙, 특히 비례 승인 투표(PAV)가 비례 대표성, 파레토 최적성 및 지지 단조성과 같은 바람직한 특성을 가지고 있다. 그들의 주요 단점은 티엘레 결과를 계산하는 것이 일반적으로 NP-완료이다. 희망의 한 가지 점은 구조화된 선호도 하에서 티엘레 규칙이 더 잘 동작한다는 것이다.
인공지능(AI) 도입을 통해 조직의 혁신과 효율성을 높이기 위해 많은 조직에서 AI를 도입하지만, 많은 도입 시도가 실패하는 이유는 근로자들이 AI를 통합하기 위해 저항하고 Struggle하는 때문이다. 이러한 실패는 더 깊은 문제를 드러내는데, AI와 협력하기 위해 기대되는 근로자들은 AI의 설계와 사용 방식에 대한 결정에 불투명한 존재로 남아 있다. AI 시스템과 일상적으로 상호작용하는 의료, 금융, 관리 분야의 전문가와의 인터뷰를 바탕으로, 우리는 조직의 기대와 근로자의 경험 사이의 불일
안정적 행위자 제어: 도구 매개 LLM 아키텍처를 위한 자율적인 사이버 방어 안전한 결정-making을 위한 형식적 보장이 제공되지 않는 고위험 가치에 대한 대응을 필요로 하는 행위자 시스템을 위한 해결책이 필요하다. 보안 운영 센터(SOC)가 공격적인 압력을 받는 동안 끝점 감지 및 반응(EDR) 정책을 구성해야 하는 운영 환경에서 영감을 얻은 우리는 도구 매개 아키텍처를 제시한다: LLM 행위자가 결정론적 도구(스택엘버그 최적 반응, 베이즈 관찰자 업데이트, 공격 그래프 원소)를 사용하고 도
인공지능의 창의력 연구: 도구 재활용을 통한 사물 기능 기반 도구 사용 평가 arXiv:2605.02910v2 발표 유형: 새로운 요약: 대규모 언어 모델(LLM)의 최근 발전은 추론 및 환경 상호작용과 같은 작업에서 좋은 성능을 나타냈지만 창의적 문제 해결 능력은 여전히 연구되지 않은 상태이다. 우리는 창의적 도구 사용을 통해 이 능력을 연구한다. 여기서 모델은 지식 기반에 있는 사물의 기능 및 특성에 대하여 논리적으로 사고하며, 일반적인 사용을 의존하지 않고 사물의 새로운 용도를 사용한다
xAI의 실제 사업은 AI 모델을 훈련하는 것보다 데이터 센터를 구축하는 것일 수 있습니다.
Elon Musk가 OpenAI를 어떻게 떠났는지, 그레그 브로크먼 Cutthroat에 따르면 스타트업 설립자 간의 협상은 거의 공개적으로 공유되지 않으며, 특히 회사가 OpenAI만큼 세계를 변화시킬 때.
Barry Diller는 Sam Altman을 신뢰합니다.하지만 AGI가 다가올 때 "신뢰는 중요하지 않습니다."라고 그는 말합니다. Barry Diller는 OpenAI CEO Sam Altman을 방어하면서 AGI가 경비를 필요로하는 예측할 수없는 힘으로 남아 있다고 경고했습니다.
