본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

검색

전체 기사

산업 9월 6일

인스타그램의 AI 감지 시스템이 또 다시 엉망이 되었다.

인스타그램의 AI 라벨은 사용자가 가짜 콘텐츠를 한 눈에 구분할 수 있도록 도와주는 기능입니다. 하지만 최근 몇 주 동안 사용자들은 시스템이 이상하게 작동하고 있음을 보고하고 있습니다. 그들은 메타가 인스타그램 사용자가 생성하거나 편집하지 않은 이미지를 자동으로 "AI 콘텐츠" 라벨을 붙여주고 있다고 말합니다.

연구 9월 6일

인공지능이 사용된 것: 전파원 밀도 시각화로 투명성 벌칙을 완화하는 방법

AI 생성 텍스트가 정교한 문장을 저렴한 비용으로 생성할 수 있게 되면서, 사용자는 더 이상 유창성만으로 진실 여부를 판단할 수 없습니다. 우리는 이 실패 모드를 '유창성 함정(Fluency Trap)'이라고 부릅니다. 사용자는 유창한 허구를 믿으면서, AI 생성된 것으로 밝혀진 정확한 콘텐츠를 할인합니다. 이진 'AI로 제작됨' 레이블은作者의 автор권을 공개하지만, 주장에 대한 증거를

에이전트 9월 6일

GUI 에이전트는 언제 행동하지 않아야 할까요? GUI 에이전트의 충돌 인식과 종료를 위한 새로운 접근 방법

GUI 에이전트는 점점 더 자연어 명령을 사용하여 사용자 인터페이스를 조작하는 데 사용되고 있습니다. 그러나 실제 사용자는 불필요한 명령을 내리게 되며, 이는 에이전트가 행동하는지 아닌지 알 수 있도록 해야 합니다. 새로운 연구에서는 CONFLICTGUI라는 새로운 벤치마크를 제안하여 에이전트가 충돌 인식과 종료를 위한 새로운 접근 방법을 제안합니다.

AI 모델 9월 6일

듀플렉스 스피치 벤치-IFEval: 완전 듀플렉스 음성 대화 봇의 암묵적 지시 수행 평가

대화 중단 없이 대화하는 음성 대화 요원은 항상 듣기, 백채널, 중단, 말 오버랩 처리, 대화에 참여하기, 대화에 참여하는 것을 포기하기 등과 같은 행동을 결정해야 합니다. 현재의 벤치마크는 이러한 행동을 명시적인 대화 순서 관리 지시문을 통해 테스트하는 반면, 배치된 요원은 종종 역할이나 인격으로 구성되며, 해당 대화 행동이 추론되어야 합니다. 우리는 실시간 대화 중에서 암묵적인 지시를 따

에이전트 9월 6일

프로그램 코드와 종이 코드 간 불일치 검출을 위한 이중 감지 다중-agent 시스템

대규모 언어 모델(LLM)으로 지원되는 논문-코드 불일치 검출에 대한 관심이 최근 연구 제출량이 수동 검토 능력보다 급격히 증가함에 따라 증가하고 있습니다. 그러나 기존의 단일 agent 대규모 언어 모델(paradigm)에서 제한된 문맥 용량과 한쪽으로만 불일치 검출이 이루어지는 것은 불일치 검출 성능이 열악해지게 만듭니다. 이 논문에서 우리는 Dude, 논문-코드 불일치 검출을 위한 최초

AI 모델 9월 6일

이야기 속에 갇힌다: 다단계 LLM 대화에서 이야기 얽힘

인터넷 사용자들은 일상적인 조언을 위해 대규모 언어 모델(LLM)을 자주 사용하고 있다. 따라서 에티켓상으로는 부정적인 영향을 미치는 인적 관계 문제가 실질적인 도움을 받는 상황이 되었다. 이전 연구는 대부분 이 상황을 단일 회귀 판단이나 압박을 받은 반박으로만 연구해왔는데, 이는 실제 상황과 잘 맞지 않는다. 이러한 가정으로 인해, 단일 회귀 판단과 비교하여 다중 회귀의 도움을 받은 모델

AI 모델 9월 6일

.prompt 엔지니어링 접근법을 통해 일반적인 목적의 AI 교육 도우미에서 대규모, 유연한 및 실시간 하이브리드 마이크로 레벨 개인화 개발

인공 지능(AI) 교육 지원을 위한 대규모 언어 모델(LLM) 기반의 가르침 도우미는 교육 지원을 확장할 수 있지만 종종 개인화된 교육을 제공하지 못한다. 이 연구는 학문 분야와 과목을 가리지 않고 Jill Watson과 같은 일반 목적의 LLM/RAG 기반 AI 교육 지원을 위한 프롬프트 엔지니어링 기반 프레임워크를 제시한다. 이 프레임워크는 6개의 학습자 특성 dimension(자신의 평

에이전트 9월 6일

추측적 macroscale 의존성 의사결정에 의한 더 빠른 도구 사용 에이전트

대규모 언어 모델(LLM) agent는 모델 추론 외에도 시리얼 행동--관찰 턴에서 wall-clock 시간을 소비합니다. 각 도구 호출, 환경 전환, 및 관찰은 다음 결정을 늦추는 데 기여할 수 있습니다. 우리는 대규모 권위자 배우자 모델이 공식 트래커리를 생성하는 두 층 구조의 agent 시스템에 대한 런타임 메커니즘인 **Speculative Macro Commit**(SMC)을 소개합

AI 모델 9월 6일

세븐틴 마스터 컨트롤 Every Time

학술논문(arXiv:2609.03209v1)에서 제안하는 대규모 언어 모델(LLM) 기반 기업 분석 기법을 연구했습니다. 이 기법은 언어 모델이 질문을 해석하고, 결정론적 정책이 미리 승인된 분석 프로그램을 선택하여 실행하여 결과와 증거를 반환합니다. 우리는 이 제한이 정의된 분석 클래스 내에서 관계 연산과 집계, 비교, 창,_ranking, 및 유사도와 같은 연산을 사용하여 표현할 수 있음

연구 9월 6일

인공지능을 기반으로 한 새로운 실용 영어 교과서의 구조와 구현

인공지능이 교과서의 형태를 고정된 종이 시퀀스에서 적응 가능한 학습 시스템으로 바꾸고 있다. 학습자 진단, 과제 추천, 형성적 피드백 제공과 같은 기능을 가질 수 있다. 이 연구는 인공지능을 기반으로 한 새로운 실용 영어 교과서의 구조와 적용을 연구한다. 5층 아키텍처가 제안된다: 지식 지도, 학습자 프로파일링, 과제 생성, 피드백 조율, 교사 측의 통제. 186명의 비영어전공 대학생들을 대