검색

Granite 4.0 3B Vision: 기업 문서를 위한 컴팩트 멀티모달 AI

Falcon Perception: 실시간 컴퓨터 비전 AI 플랫폼

Falcon Perception은 최신의 Computer Vision 기술을 기반으로 한 AI 플랫폼입니다. Falcon Perception은 실시간 카메라 스트림을 처리하여 Object Detection, Tracking, Segmentation 등 다양한 Computer Vision 작업을 수행할 수 있습니다. Falcon Perception은 다양한 산업 분야에 적용할 수 있는 강력한 도구입니다.

Holo3: 컴퓨터 사용 AI의 새로운 한계를 돌파하다

LLM 시스템을 위한 의사결정 중심 설계 프레임워크

LLM 시스템은 제어 결정을 포함하여 출력을 생성해야 합니다. 이러한 결정을 현재 많은 아키텍처에서 암시적으로 생성에 통합하여 평가와 행동을 단일 모델 호출로 결합하고 실패를 검사, 제한 또는 修復하기 어렵게 만듭니다. 우리는 제어를 시스템의 명시적이고 검사 가능한 계층으로 변환하는 결정 중심 프레임워크를 제안합니다. 이 분리는 실패를 신호 추정, 결정 정책 또는 실행에 귀속하고 각 구성 요소를 모듈적으로 개선할 수 있도록 합니다.

네트워크 텔레메트리에서의 장애 감지를 위한 협력 AI 에이전트와 비평가 시스템

신뢰성 있는 네트워크 감시 시스템을 위한 협력 AI 에이전트와 비평가

즉흥 게임으로 측정하는 AI 에이전트의 사회적 지능: Connections 사례 연구

AI 에이전트의 사회적 지능을 평가하기 위한 새로운 게임이 개발되었습니다. 이 게임은 지식 검색, 요약, 다른 에이전트의认知 상태 awareness를 결합한 임의의 단어 게임입니다. 이 게임은 언어 모델 기반 에이전트의 사회적 지능을 평가하는 데 적합한 벤치마크로 사용할 수 있습니다. 에이전트는 협력을 포함한 게임에서 다른 에이전트와의 의사소통을 통해 사회적 지능과 인식력을 보여야 합니다.

LLM 보조 컴퓨터과학 교육에서의 목표 이탈 방지: 인간 참여형(HITL) 제어 연구

Large Language Model(LLM) 기반 컴퓨터 과학 교육에서 오브젝트 드리프트를 제어하기 위한 인간-중간-장치(HITL) 제어에 대한 연구가 수행되었다. 연구에서는 학생들이 AI 도구를 사용하는 동안 오브젝트 드리프트를 감지하고 수정하는 방법을 학습하도록 돕는 교육 프로그램을 개발겼다. 연구 결과, 구조화된 계획과 오브젝트 드리프트를 인JECT하는 교육 프로그램이 학생들의 오브젝트 드리프트를 감지하고 수정하는 능력을 향상시켰다.

행동 건강 커뮤니케이션 시뮬레이션을 위한 안전 인식 멀티 에이전트 LLM 프레임워크

AI 기술 연구자들은 최근에 새로운 비행 장치인 Role-Orchestrated Multi-Agent LLM Framework를 개발하여 행동 건강 커뮤니케이션 시뮬레이션을 위한 안전성을 강화했습니다. 이 새로운 프레임워크는 다양한 대화 기능을 지원하면서도 안전성을 유지하는 단일 에이전트 대화 모델의 한계를 극복하고자 합니다.

개방적이고 신뢰할 수 있는 도구 사용 AI 에이전트를 위한 커뮤니티 주도 프레임워크 OpenTools

AI 에이전트가 도구를 사용하는 데 있어 신뢰성과 효율성이 중요한 문제입니다. OpenTools는 도구를 통합하는 LLM 에이전트의 신뢰성을 향상시키기 위해 개발된社区 주도 프레임워크입니다. OpenTools는 도구 스키마를 표준화하고 가벼운 플러그 앤 플레이 래퍼를 제공하며, 도구의 성능을 자동 테스트 스위트와 지속적인 모니터링을 통해 평가합니다.

하나의 패널로는 부족하다: 임상 예측을 위한 사례 적응형 멀티 에이전트 시스템 CAMP

AI 모델이 임상 예측을 위해 사용될 때, 단순한 경우는 일관된 출력을 내지만 복잡한 경우는 작은 프롬프트 변경에도 예측이 분산되게 됩니다. 기존의 단일 에이전트 전략은 하나의 역할 조건 분포에서 샘플링을 하며, 다중 에이전트 프레임워크는 고정된 역할을 사용하고 평준화된 과반수 투표를 사용하여 의사결정 신호를 무시합니다. 우리는 CAMP (Case-Adaptive Multi-agent Panel) 제안, 각 케이스의 진단 불확실성에 맞춰진 전문가 패널을 동적으로 조합하는 에이전트를 제안합니다. 각 전문가는 KEEP/REFUSE/NEUTRAL 세 가지 투표를 통해 후보를 평가할 수 있습니다.

감정이 LLM과 에이전트의 행동을 형성하는 방식: 메커니즘 연구

감정은 인공지능 모델과 에이전트의 행동에 중요한 역할을 한다. 연구자들은 감정의 메커니즘적 역할을 조사하고, 감정에 기반한 인공지능 모델의 행동을 제어하는 새로운 프레임워크를 제안한다. 이 연구는 감정의 중요성을 강조하고, 감정에 기반한 인공지능 모델의 안전성과 성능을 향상시키는 방법을 제안한다.

Google Research, 시계열 예측 기반 모델 TimesFM 공개

Google Research가 시계열 예측에 특화된 사전훈련 기반 모델(Foundation Model) TimesFM을 발표했습니다. NLP의 대규모 사전훈련 기법을 시계열 분석에 적용한 혁신적 접근입니다.