본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

검색

전체 기사

연구 8월 6일

신경symbolic AI를 위한 RAIL 원칙: 사유, 보증, 인터페이스, 학습

신경symbolic AI 시스템은 머신 러닝과 symbol reasoning을 통합하는 시스템으로 빠르게 주목을 받고 있습니다. 이들은 신경망과 언어 모델의 데이터 기반 통계적 접근 방식과 함께 symbol reasoning 알고리즘을 통합하여 많은 실세계적 응용 프로그램을 특징으로 하는 고위험 영역이나 데이터 부족한 영역에서 작동할 수 있습니다. 우리는 신경symbolic AI가 머신 러닝

에이전트 8월 6일

탐식하는-agent의 동적-homeostatic-prioritization에서 interoceptive-주의

생물학적 시스템은 제한된 인식 대역폭에서 상충하는 요구를 규제해야 하며, 하나의 추정치를 보다 구체화시키는 것은 다른 추정치를 보다 구체화시키지 못하게 하는 것이다. 따라서 고정 예산 시스템은 인식의 정밀도를 어디에 할당할지 결정해야 한다. 우리는 생존을 위해 여러 신체적 필요를 충족시켜야 하는 포식자에 대해 연구한다. 이 포식자는 주어진 몸 상태에 대한 믿음, 가장 필요한 채널을 식별, 그

AI 모델 8월 6일

8.3억 명의 개인 캐릭터를 이용한 세계 시뮬레이션: MatrAIx

인공지능 시스템 및 디지털 제품의 평가를 위한 인간 평가가 비용이 많이 들고 느리고 확대하기 어렵다. 오프라인 평가가 더 확대하기 쉬우나 인간 다양성과 상호 작용 행위를 자주 추상화한다. 따라서 MatrAIx를 소개한다. MatrAIx는 대규모 시뮬레이션 사용자 평가 구조를 제공하여 AI 시스템 및 디지털 제품을 다양성 있는 사용자와 함께 테스트할 수 있다. MatrAIx에는 세 가지 핵심

AI 모델 8월 6일

적대적 강도에 대한 추론적 결합: 사전 학습된 트랜스포머 기반 인식 모델

대규모 언어 모델(LLM)과 같은 이전에 훈련된 인식 모델을 새로운 환경에서 사용하면 분포가 변화하는 경우 정확도가 저하되며 단독으로 이를 회복시키려면 결합 방식을 사용하는 것만으로는 충분하지 않다. 결합 방식 중 다수결 투표는 재콜을 위해 정밀도를 희생하고 coordinated 실패에 취약하다. 이전의 메타인지 방법은 논리적 규칙을 통해 모델의 오류를 식별하지만, 실제로 새로운 장면에 적용

에이전트 8월 6일

대상적인 EEG 이해를 위한 큰 언어 모델의 성능 평가

전자뇌파 분석(Electroencephalography, EEG)은 단순히 녹음파일에 레이블을 할당하는 것 이상으로, 자연어 명령, 신호처리, 양적 증거, 과학적 해석과 연결된 워크플로우가 필요하다. 이를 우리는 \emph{전체적인 EEG 이해}라고 부른다. 그러나 현재 평가는 주로 단일 분리적 인코딩 작업이나 시스템에 특화된 데모에 초점을 맞추고 있으므로, 대규모 언어 모델(LLMs)의 c

에이전트 8월 6일

LLM agents를 위한 이론적 지식에 근거한 이벤트 기반 개인화된 기억 평가 지표

대규모 언어 모델(LLM)代理는 고위험 분야인 금융 상담 등에서 개인화된 보조원으로 점점 더 많이 사용되고 있지만, 여전히 장기 시야에서 개인화된 사용자 모델을 유지하고 업데이트할 수 있는지 불분명하다. 현재 개인화된 기억 측정 기준은 주로 사실적 기억력이나 약한 제약 조건에 의한 모델 생성 경로에 의존하여, 이벤트 기반 선호도 적응은 여전히 미흡하다. 우리는 FinPerMA라는 이벤트 기반