검색

전체 기사

구글 내장 차량용 지미니 출시 시작

구글 내장 차량용 지미니 출시 시작. 구글은 내장된 구글 지미니 AI 보조인을 지원하는 차량을 업그레이드할 계획이다. 구글의 발표에 따르면, 현재의 구글 어시스턴트보다 향상된 자연스러운 대화 경험, 차량 특화된 정보 제공, 설정 조정 등 다양한 기능을 제공할 예정이다. 차량에 구글 내장 기능이 처음 도입된 시절에 [...]

산업 4월 30일

메타, AI 도구를 위한 속임수 광고 운영 중

메타가 인수한 Manus는 2억 달러를 들여 AI 도구를 개발했지만, 이 도구를 이용해 빠른 돈을 벌 수 있는 속임수 광고를 운영하고 있습니다. Manus는 지역 사업체가 웹사이트가 없거나 웹사이트가 나쁘다면 AI를 이용해 웹사이트를 만들고, 그 웹사이트를 판매할 수 있는 방법을 광고하고 있습니다. Manus는 콘텐츠 제작자에게 돈을 주어 이러한 광고를 제작하도록 했습니다.

산업 4월 30일

이번 주 AI 다이제스트 (4월 24일~4월 30일)

6개 핫 이슈를 한국 개발자 관점에서 정리한 2026년 18주차 다이제스트.

AI 모델 4월 30일

청년들이 AI를 더 많이 사용할수록 그걸 싫어하게 된다

대규모 언어 모델 기반 챗봇이 모든 것의 미래로 여겨지는 것에 대한 압박감을 거의 3년 동안 견디고 있는 젊은 세대의 압박감을 설명한다. 젊은 세대의 가장 큰 채택자 중 하나인 기술 트렌드와 같이, 젊은 사람들이 가장 큰 채택자 중 하나인 것은 놀라운 일이 아니다.

AI 모델 4월 30일

오픈아이의 새로운 보안 모델은 '중요한 사이버 수호자'만을 위한 것

오픈아이는 새로운 보안 모델인 GPT-5.5-Cyber를 출시할 예정입니다. 이 모델은 일반인에게 공개되지 않고, 특정한 '사이버 수호자'에게만 제공될 예정입니다. 이 모델은 기관의 사이버 방어를 강화하기 위해 출시될 예정입니다.

산업 4월 30일

메타, 20만 명 유저 잃어 AI 투자 속도 높여

메타가 지난 분기 동안 20만 명의 유저를 잃었다고 밝혔고, 이에 따라 AI 투자에 더 많은 돈을 투자할 계획이다. 메타는 이달의 이익보고서에서 '가족 일일 활동 사용자'라는 용어를 사용하여 Facebook, Instagram, WhatsApp, 또는 Meta Messenger를 사용하는 모든 사용자를รวม하여 나타냈다.

AI 모델 4월 30일

Anthropic, 클라우드(Claude) 개발사 900조 원대 자산 평가로 50조 원 상환 가능

Anthropic은 대규모 언어 모델(LLM)인 클라우드(Claude)를 개발한 회사로, 850조 원에서 900조 원 사이의 자산 평가로 50조 원 상환 가능하다고 알려졌다. Anthropic은 대규모 자금 조달을 준비 중인 것으로 알려졌으며, 현재 여러 대리인 제안을 받고 있다.

산업 4월 30일

아마존 클라우드 비즈니스 활기찬 가운데 자본 지출도 엄청나다

아마존은 AWS에서 예상보다 더 많은 수익을 올리고 있지만, 자본 지출도 엄청나게 증가하고 있는 것으로 보인다. 아마존 CEO는 짧은 기간 내에도 계속해서 자본 지출을 할 것이라고 말했다.

산업 4월 30일

소프트뱅크, 로봇을 이용한 데이터 센터 회사 설립...100조원 IPO 목표

소프트뱅크는 로봇을 이용한 데이터 센터 회사 설립을 결정하고, 100조원 규모의 IPO를 목표로 하고 있습니다. 로봇이 데이터 센터의 건설에 사용되는 새로운 인프라를 제공하고 있습니다.

산업 4월 30일

엘론 머스크의 법정 적대자, 바로 엘론 머스크

엘론 머스크의 증언이 법정에서 그의 적대자로 변한 이야기를 담고 있습니다. 그의 증언은 이전보다 좋아졌지만, 그의 변호사가 ему 질문을 하는 방식은 여전히 문제가 됩니다. 엘론 머스크의 증언은 그가 대규모 언어 모델(LLM)과 같은 기술에 대한 그의 생각을 밝히는 계기가 되었습니다.

에이전트 4월 30일

과학 데이터의 AI 준비성 평가를 위한 SciHorizon-DataEVA: 새로운 대안

과학 데이터의 AI 준비성 평가를 위한 새로운 시스템을 제안합니다. SciHorizon-DataEVA는 과학 데이터의 AI 준비성을 평가하는 데 사용할 수 있는 새로운 프레임워크입니다. 이 시스템은 과학 데이터의 AI 준비성을 평가하는 데 사용할 수 있는 크고 작은 요소로 나누어 평가할 수 있습니다.

연구 4월 30일

테스트 시간 확장에 대한 의견에 따른 전략 라우팅: 증거 없는 문제 해결을 위한 새로운 접근

대규모 언어 모델(LLM)들은 수학적 추론 과제에서 강력한 성능을 달성했지만 어려운 인스턴스에서 불신스럽다. 기존의 테스트 시간 확장 방법들은 반복 적 샘플링, 자가 교정, 트리 탐색과 같은 방법으로 성능을 향상시키지만 어려운 문제에서 감소하는 수익을 보인다. 우리는 출력 불일치가 인스턴스 난이도와 예측 정확성과 강한 상관관계가 있음을 관찰한다. 이 통찰력에 기반하여, 우리는 테스트 시간 확장 문제를 인스턴스 수준의 라우팅 문제로 형식화하여, 기존의 방법과 달리, 출력 불일치에 따라 라우팅 전략을 선택한다. 이 프레임워크는 일관된 경우에 가벼운 해결책, 중간 불일치의 다수 투표,高度 모호한 인스턴스에 대한 재작성 기반 재구성으로 동적으로 라우팅 전략을 선택한다. 실험 결과, 7 개의 수학적 벤치마크와 3 개의 모델에서, 우리의 방법은 기존의 방법에 비해 정확도를 3% - 7% 향상시키며 샘플링 비용을 줄였다.