검색

전체 기사

오픈아이 인플루언서 여행이 실패한 이유

인플루언서의 성인식은 브랜드 여행이다. sponsors가 모든 비용을 부담해 인플루언서를 초청하는 것은 그들의 정당성을 증명하는 상징이다. 여행은 또한 초청하지 않은 인플루언서들에게 감정을 자극하고, 일반인으로부터 비판을 받을 수 있고, 특정한 경솔함을 드러내는 경우도 있다. 보통이면 빠르게 […]

AI 모델 8월 4일

LLM 사용이 건강하지 못하다는 인기 유튜버의 충격적인 진술

유튜버 헨크 그린(Hank Green)이 LLM 사용에 대한 비판으로 제작을 중단한다고 밝혔다. 그는 LLM 사용을 '건강하지 못하다'고 표현했지만, 연구 자료 찾기 위해 사용했으며 스크립트 작성에는 사용하지 않았다.

산업 8월 4일

텍사스, 데이터 센터 연결을 위한 심사 통과해야

텍사스 주는 데이터 센터의 연결을 위한 심사를 통과해야 하는 새로운 정책을 발표했습니다. 이 정책은 새로운 데이터 센터 시설의 승인 심사를 늦출 것으로 예상됩니다. 텍사스 주지사 Greg Abbott은 PUCT와 ERCOT에 데이터 센터 제안의 인증 및 심사를 명령했습니다.

산업 8월 4일

2026년 7월에 발표한 최신 인공지능 뉴스

2026년 7월 구글의 최신 인공지능(AI) 업데이트 내용입니다. Google의 대규모 언어 모델(LLM) 버전 7은 더 강력하고 유연한 언어 처리를 제공합니다. 이 모델은 더 많은 언어와 문법을 학습하고, 더 정확한 자연어 처리를 가능하게 합니다. Google의 대규모 언어 모델(LLM) 버전 7은 또한 더 많은 데이터를 처리하고, 더 빠르게 학습할 수 있는 새로운 알고리즘을 사용합니다.

허깅페이스 8월 4일

LFM2.5-2.6B를 사용하여 지역 에이전트를 어디서나 배포하십시오.

AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글은, AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글은 AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글이 AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한 프로젝트를 진행 중인 구글은 AI가 사람과 함께 일할 수 있는 능력을 개발하기 위한

산업 8월 4일

데이터 초고속도로를 우주 레이저로 옮기려는 이온의 야심

엔데버 옵티컬 네트워크스(EON)가 개발한 우주 레이저 통신 시스템은 현재까지 가장 빠른 속도를 자랑합니다. 이 시스템은 대규모 데이터 전송을 위한 초고속 통신을 가능하게 합니다. EON의 야심은 데이터 초고속도로를 지구에서 우주로 옮기자는 것입니다.

AI 모델 8월 4일

오픈AI, 애플 소송에 공개자료로 반박 "부주의, 공격적, 인격 공격"

오픈AI는 애플의 소송에 대해 부주의하고 공격적이며 인격 공격적인 것이라고 비판했다. 오픈AI는 이메일과 문자 메시지를 공개하여 애플의 진술에 반박했다. 이 소송은 오픈AI의 대규모 언어 모델(LLM) 기술과 관련이 있다.

산업 8월 4일

레딧이 새로운 AI SEO 스팸에게 저항할 수 있을까?

레딧 사용자들은 특정 스킨케어 제품에 대한 정보를 찾고 있습니다. 그러나 새로운 AI SEO 스팸이 등장하고 있습니다. 이 스팸은 사용자 경험을 방해하고 있습니다. 레딧이 이러한 스팸을 어떻게 저항할 수 있을까요?

AI 모델 8월 4일

모티프-맬뱀(Motif-Mamba): 긴 범위 시퀀스 모델링을 위한 개선된 네트워크 모티프

대규모 언어 모델(LLM)의 긴 범위 시퀀스 모델링을 위한 새로운 방법을 제시합니다. 모티프-맬뱀은 Mamba의 선형 시간을 유지하면서도, 새로운 네트워크 모티프를 통해 시퀀스 간의 상호작용을 향상시킵니다.

AI 모델 8월 4일

batch된 LLM 서비스에 대한 요청 단위 에너지 분배

대규모 언어 모델(LLM)의 inference-Energy 평가를 위해 request-level energy를 측정하는 방법이 필요했습니다. 현재의 inference-Energy 벤치마크는 모델-, phase-, 또는 token-level energy를 측정하지만 request-level energy를 측정하지 못했습니다. 우리는 JouleShare라는 attribution framework

에이전트 8월 4일

자기개선 가능한 LLM agent에서 메모리 보상 인플레이션

대규모 언어 모델(LLM) agent는 점차 경험을 통해 무거치하게 학습한다. 각 에피소드는 외부 메모리에 저장되어 점수를 받고, 이후 비슷한 미래 작업을 위해 재검색된다. 보상을 통해 보는 시점에서 저장된 점수는 암시적, 비파라미터 정책의 대리 보상으로 볼 수 있다. 각 재검색된 에피소드는 정책 개선 단계가 되며, 그 점수가 어떻게 생산되는지에 따라 신뢰도가 좌우된다. 배포 시, 정답 레이

에이전트 8월 4일

LLM을 이용한 최적화 모델링과 제약 모델링: 검색 증강 생성 프로세스

최적화 모델링과 제약 모델링은 깊은 도메인 전문 지식과 모델링 형식 언어에 대한 숙련도가 필요합니다. 이 연구에서는 대규모 언어 모델(LLM)의 최적화 모델링 성능을 향상시키기 위해 검색 증강 생성 PIPELINE을 개발했습니다. 이 PIPELINE은 커스텀 시스니스틱 데이터 세트를 사용하여 500개의 최적화 문제를 생성하고, LangChain LLM agent를 사용하여 문제를 해결했습니다. 실험 결과, Qwen 3 30B Instruct 모델을 사용한 PIPELINE의 정확도가 NL4OPT, MAMO Easy, MAMO Complex에서 각각 40%에서 72%, 40%에서 56%, 32%에서 56%로 향상되었습니다.