본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

검색

전체 기사

산업 4월 27일

AI가 설계한 자동차가 모습을 드러내고 있다

자동차 디자인 세계는 고급 3D 시각화 도구와 VR 조각 플랫폼으로 가득하지만, 평균적인 새로운 자동차는 스케치로 세상에 나오는 것이 일반적이다. 이 스케치들은 전통적으로 모든 각도에서 끝없이 반복되고 보완되는 것을 볼 수 있다. 그 스케치들은 手으로 3D 모델로 변환되기도 하고, 또 다른 스케치로 끝나기도 한다.

AI 모델 4월 27일

ABPMS 프로세스 프레임의 하이브리드 성질에 대한 고찰과 자동화된 프로세스 발견에 대한 영향

AI-Aug먼트된 비즈니스 프로세스 관리 시스템(AI-Augmented Business Process Management System, ABPMS)의 프로세스 프레임(process frame)에 대한 고찰과 자동화된 프로세스 발견에 대한 영향에 대한 연구(arXiv:2604.22455v1)이다. ABPMS의 핵심 구성 요소는 프로세스 프레임이며, 시스템의 프로세스에 대한 인식 및 운영 범위 정의를 제공한다. 전통적인 프로세스 모델과 비교하여, 프로세스 프레임은 관리 프로세스의 더 인플루엔셜한

에이전트 4월 27일

인공지능 사회의 집단 지_iface를 평가하기 위한 초능력자 테스트: 집단 지능을 평가하기 위한 탐색자(agent)로 인공지능 사회를 평가하기

인공지능 사회의 집단 지능을 평가하기 위한 초능력자 테스트: 집단 지능을 평가하기 위한 탐색자(agent)로 인공지능 사회를 평가하기 집단 지능은 단일 개인이 달성할 수 없는 결과를 달성할 수 있는 집단의 능력을 말합니다. 대규모 언어 모델(agent)들이 수백만 명의 인구에 도달할 때, 집단 지능이 스케일로부터 자연스럽게 발생하는지 여부에 대한 열쇠 질문이 arises합니다. 우리는 대규모 자율 에이전트 사회를 평가하기 위한 첫 번째 경험적 평가를 제시합니다. 몰트북(MoltBook)을 연구한

에이전트 4월 27일

스킬에서 재능으로: heterogenous agent를 조직하는 실제 세계 회사

AI 시스템은 단순히 여러 개의 스킬과 도구를 통합하는 것만으로는 충분하지 않습니다. 우리는 각종 단점으로 인해 multi-agent 시스템이 제한된다는 것을 발견했습니다. 이러한 단점을 보완하기 위해, 우리는 OneManCompany(OMC) framework를 제안합니다. OMC는 agent의 자격, 도구, 실행 설정을 포트 able agent identities로 encapsulate하여, typed organisational interfaces를 통해 orchestrating합니다. 이는 heterogeneous backends를 abstract하여, community-driven Talent Market를 통해 on-demand recruitment을 허용합니다.

에이전트 4월 27일

AI 에이전트 검색 벤치마크: AgentSearchBench

AI 에이전트가 성장하고 있는 가운데, 복잡한 작업이 위임되고 실행되는 방식이 변하고 있습니다. 이에 따라, 특정 작업에 적합한 에이전트를 식별하는 새로운 도전이 발생했습니다. 에이전트의 기능은 종종 합성적이고 실행에 의존적이기 때문에, 텍스트 설명만으로는 에이전트를 평가하기가 어렵습니다. 그러나 기존 연구와 벤치마크는 보통 잘 정의된 기능성, 제어된 후보자 풀, 또는 실행 가능한 작업 쿼리만을 가정합니다. 따라서, 실제 에이전트 검색 시나리오가 충분히 연구되지 않았습니다. 본 연구에서는 AgentSearchBench라는 대규모 벤치마크를 제시합니다. 이 벤치마크는 10,000개 이상의 실제 에이전트를 포함하고 있으며, 다수의 제공자에서 가져와 보았습니다. 벤치마크는 에이전트 검색을 수행하는 retrieval 및 reranking 문제로 formalize하고, 실행 가능한 작업 쿼리 및 고급 작업 설명 모두를 고려합니다. 또한, 실행에 기반한 성능 신호를 사용하여 relevance를 평가합니다. 실험 결과, 의미적 유사성과 실제 에이전트 성능 사이에 일관된 격차가 나타났습니다. 이로 인해, 설명 기반 retrieval 및 reranking 방법의 한계가 드러났습니다. 또한, lightweight behavioral signals, 즉, 실행에 의한 probing을 사용하면 ranking quality를 크게 향상시킬 수 있으며, 에이전트 발견에서 실행 신호를 포함하는 중요성을 강조합니다.

AI 모델 4월 27일

인지 쌍둥이: 알츠하이머병의 인지 저하 예측을 위한 강력한 다중 모드 디지털 쌍둥이

알츠하이머병의 개인별 인지 저하 예측은 질병 진행의 다양성으로 인해 어려울 수 있습니다. 신뢰할 수 있는 임상 도구는 높은 정확도뿐만 아니라 인구 통계학적 공정성과 누락 데이터에 대한 내구성을 필요로 합니다. 인지 쌍둥이는 개인별 인지 경로를 예측하는 디지털 쌍둥이 프레임워크를 제시합니다. 이 모델은 인지 점수, 자기 공명 영상, 포즈트론 방출 단백질 영상, 뇌척수액 생화학적 표지자 및 유전학을 포함한 다중 모드 연속 데이터를 통합합니다. Transformer 기반 아키텍처를 사용하여 모사를 결합하고 시간적 동역학을 캡처하기 위해 깊은 마르코프 모델을 사용합니다. 1,666명의 환자 데이터를 사용하여 TADPOLE(Alzheimer's Disease Neuroimaging Initiative) 데이터 세트에서 프레임워크를 훈련하고 평가했습니다. 모델의 예측 오류, 인구 통계학적 공정성 및 누락되지 않은 데이터 패턴에 대한 내구성을 평가했습니다. 인지 쌍둥이는 정확하고 개인화된 인지 저하 예측을 제공합니다. 환자 인구 통계학적 특성에 대한 공정성과 임상 탈락에 대한 내구성을 보여주어 임상试験 보강 및 개인화된 치료 계획을 위한 신뢰할 수 있는 도구로써 이 모델은 임상 환경에서 사용할 수 있습니다.

LLM PC 4월 27일

뒤섞인 무작위성을 특징화하기 위한 배경 온도

대규모 언어 모델(LLM)에서 동일한 입력에 대해 분산된 출력을 생성할 수 있는 배경 온도라는 개념을 도입했습니다. 이 온도는 구현에 의한 비결정성 원인, 즉 배치 크기 변동, 커널 비변인성 및 부동소수점 비연관성에 의해 유발됩니다. 배경 온도는 단순한 온도 조정($T=0$)에도 불구하고 LLM이 동일한 입력에 대해 분산된 출력을 생성할 수 있는 원인입니다.

에이전트 4월 27일

っと, LLM 자가 교정은 언제 도움이 될까? - 제어 이론적 마르코프 진단 및 확인-먼저 개입

대규모 언어 모델(LLM)에서 반복적인 자가 교정은 도움이 되거나 해를 끼치는지 확신할 수 없다. 연구진은 자가 교정의 제어 이론적 프레임워크를 제시하고, 반복적인 자가 교정의 유용성과 해를 끼치는지 판단하는 간단한 배포 진단을 제안한다. 연구 결과, 7개의 모델과 3개의 데이터셋(GSM8K, MATH, StrategyQA)을 사용하여, 유용한 자가 교정과 해를 끼치는 자가 교정의 경계는 EIR(Equivalent Iteration Ratio)가 0.5% 미만인 경우로 나타났다.