전체 기사
사회적 대상을 위한 기본적인 결정들(이 게시물을 반응해야 할까? 누구에게 연락해야 할까?)은純粹한 콘텐츠 문제가 아니다. 올바른 행동은 사람들 사이의 잠재적 관계에 따라 결정되는데, 그것은 연결의 강도, 상호 연결성, 상호 연결성에 의존한다. 대규모 언어 모델(LLM) agent 루프들은 표면적인 관계와 콘텐츠의 힌트가 다르면 새로운 관계적 증거가 agent의 현재 사회적 가설을 수정해야 하
스트로크 위험도를 예측하는 것은 원치 않는 병력이 발생하기 전에 중요한 역할을 합니다. 그러나 이 과제는 의사들이 주기적으로 기록하는 생리학적 바이오마커와 비구조적인 의료 기록의 사이에 분산되어 있는 초기 위험 신호를 식별하는 어려움으로 인해 힘들어집니다. MedGate-Fusion은 이러한 문제를 해결하기 위해 처음 만나는 의료 기록의 의미론적 이야기와 10개의 정기적으로 기록된 위험 표시자를 통합하는 멀티 모달 게이트 아키텍처를 제안합니다. 이 아키텍처는 대규모 언어 모델(LLM)과 같은 기존의 AI 기술을 사용하여 의료 기록의 의미를 추출하고 생리학적 바이오마커의 정보를 통합하여 스트로크 위험도를 예측합니다.
신경영상 데이터 분석을 위한 전문적인 프로그래밍과 통계적 지식이 필요하여 연구자들이 컴퓨팅 배경을 갖지 않아도 분석할 수 있는 방법이 제한되어 있다. 우리는 AI Neuroscientist라는 언어 agent를 제시한다. 이 시스템은 대규모 언어 모델(LLM)과 신경영상 도구를 통합하여 데이터의 품질을 확인하고 모델링 및 시각화를 수행할 수 있다. 이로 인해 연구자들은 자연어로 데이터의 품질
Lean Pool은 AI agent들이 관리, 최적화하는 수학적 정의의 저고리입니다. 이 저고리는 수학적 이론과 공식의 정형화된 아카이브입니다. AI가 관리하는 저고리는 수학적 정의의 정확성과 완전성을 보장합니다.
체화 지능의 중간 구조를 명확히 하기 위해 task planning을 개발한 연구입니다. 연구에서는 existing chain-of-thought planner의 문제점을 해결하기 위해 event-structured plan forms를 제안하고, real-robot experiments에서 우수한 성능을 보입니다.
이 연구에서는 **Ovis-Embedding**이라고 부르는 cutting-edge의 모든 모드(omni-modal) 임베딩 패밀리를 소개합니다. 이 임베딩은 텍스트, 이미지, 비디오, 오디오를 포함하는 원시 통합에 기반합니다. 기존의 임베딩은 각 모드별로 별개의 모드 탑(tower)을 구성하는 대신, Ovis-Embedding은 공통된 다모드 백본(backbone)을 사용하여 다중 모드 데
GBM의 생존 예측은 정확하고 해석 가능한 모델을 요구하지만 현재의 접근법은 이 두 가지 목표를 경쟁적으로 다루고, 성능이 좋은 모델은 투명성을 포기하고, 해석 가능한 모델은 예측 능력을 희생한다. 우리는 이 트레이드 오프가 본질적인 것은 아니라고 주장한다. 그래프 신경망은 구조적 기초를 제공하여 해석 가능한, 설명 가능한 표현을 추출할 수 있다. 또한 현재의 방법은 일반적으로 단일 이미지
arXiv:2609.25036v1의 abstract를 한국어로 번역해 드리겠습니다. 다이나믹 가우시안 스팟팅(Dynamic Gaussian Splatting)은 3D 장면이 변화하는 과정을 명시적으로 표현하는 방법을 제공하지만, 기존의 접근법은 주로 재구성, 미래 상태 생성, 렌더링을 위해 최적화된 반면에 재사용 가능한 예측 동적을 학습하는 데에는 최적화되지 않았다. 우리는 4DGS-JEPA
최근 구조화된 생물학적 데이터 분석에 있어서 표준화된 기초 모델(tabular foundation model)이 강력한 잠재력을 보인다. 그 중 하나인 TabPFN은 낮은 데이터 표준화 분류 작업에서 효과적인 접근 방식으로 나타났지만, 최적화 및 조건화 전략의 생물학적 세부 튜닝에 대한 영향은 여전히 크게 연구되지 않았다. 본 연구에서, 우리는 59 개의 생물학적 데이터셋(Alzheimer'
마케터들은 점점 더 대규모 언어 모델(LLM)을 "합성적 인물"로 사용하여 복사본이 배포되기 전에 청중이 복사본에 어떤 반응을 할지 예측하는 데 사용한다. 이에 대한 동기 부여는 프로파일 조건付け된 LLM이 인간 샘플을 모방한다는 증거로 인해 이뤄진다. 하지만 실제 행동에 대한 그 예측은 실제로 유효한가 - 그리고 인물 기계는 도움이 되는가? 우리는 Upworthy 연구 아카이브 - 수천 개
지난 달들 사이에 AI에 대한 열정은 절정에 달했다. 4월 말에 Anthropic은 모델 Claude Mythos가 보안 전문가들보다 소프트웨어 취약점을 찾는 데 더 뛰어난 성과를 냈다고 주장했다. 그 뒤를 이어 OpenAI와 Hugging Face 사이의 해킹 사고가 발생했고, 그 뒤를 이어 Anthropic과 Meta는 각자 모델과 관련된 유사한 사건을 공개했다. 그 사건은...
오늘날의 '더 다운로드'(The Download)라는 주간 뉴스레터를 통해 일과를 시작합니다. 이 뉴스레터는 기술 세계의 일상적인 뉴스를 제공합니다. 미국은 국경 감시를 위해 수십억 달러를 들였지만, 왜 사람들이 죽기 전에 잡을 수 없을까요? 조세 모라레스 베르날(José Morales Bernal)이 2024년 4월 미국 국경을 넘은 때, 그날 전날...
