마더스 스테이블(Martha Stewart)의 공동 창립자로 있는 새로운 AI 스타트업, 힌트(Hint)가 주택 주인들을 위한 AI 보조자를 제공합니다.
마르타 스테워트가 공동 창립한 집 관리 스타트업 인 힌트(Hint)는 집의 모든 기록, 유지 보수 일정, 집 관련 서류, 그리고 인공지능(AI) 보조 프로그램을 하나의 앱으로 결합하여 "집의 AI"가 되기를 희망합니다.
전체 기사
마르타 스테워트가 공동 창립한 집 관리 스타트업 인 힌트(Hint)는 집의 모든 기록, 유지 보수 일정, 집 관련 서류, 그리고 인공지능(AI) 보조 프로그램을 하나의 앱으로 결합하여 "집의 AI"가 되기를 희망합니다.
엔코어 AI는 고객 통화 분석, 메시지 분석, CRM 데이터를 통해 판매 기술을 효과적으로 식별하고 AI 에이전트의 플레이북으로 변환하는 기술을 개발 중이다. 이 기술은 고객 서비스를 개선하고 판매 성과를 높이는 데 도움이 될 것으로 기대된다.
파그램(Pangram)은 9만 달러를 조달하여 인공지능(AI) 감지 소프트웨어를 확장하기 위해 노력하고 있습니다. 이 스타트업은 또한 새로운 인공지능 텍스트 감지 모델인 Pangram 4와 연구 미리보기 상태의 인공지능 이미지 감지 모델을 출시했습니다.
시에라(Cyera)는 올해 세 번째로 이사를 진행한 회사입니다.
이번 달 초, 오픈 아이가(OpenAI) 여러 가지 인공지능(AI) 모델들에게 임무를 부여했습니다. 그 임무는 사이버 보안 능력을 측정하는 시험을 완료하는 것이었습니다. 그들은 시스템을 인터넷 연결이 없는 샌드박스 환경에 두고, 시스템을 작동시켰습니다. 그 다음에 일어난 일은 거의 웃기게도 미소짓게 만드는 일 - 그러나, 아담 글레이브(Adam Gleave) 오픈 아이의 공동 설립자이자 CE
OpenAI와 Anthropic의 직원들, 구글, 메타, 마이크로소프트 등 선도 AI 연구소 직원들이 정부에 대규모 언어 모델 개발 속도를 줄이거나, 글로벌 협력된 관리 노력 속도를 높일 것을 요청하는 성명서를 발표했습니다. 이들은 AI가 더 나은 미래를 창조할 수 있지만, 현재의 속도로는 안정적이지 않다고 주장합니다.
수익 발표 시즌이 왔고,投資자들은 구글에서 안타까운 놀라움을 받았다: 구글의 지출 예상액이 지난 분기 예상액인 최대 190억 달러에서 최대 205억 달러로 증가했다. 구글의 새로운 예상액 범위 중 하한점인 195억 달러도 이전에 발표한 금액보다 훨씬 많다.
지식 주입은 사전 훈련된 대규모 언어 모델(LLM)을 새로운 사실이나 분야에 특화된 지식으로 업데이트하지만, 전체적인 권위 있는 답변을 맞추는 것은 업데이트되지 않은 행동에 드리프트를 유발한다. 온라인 distillation은 이 드리프트를 완화하기 위해 모델이 생성한 롤아웃에 훈련하지만, 일관된 참조 조건 distillation은粗한 감독만 제공한다: 참조가 지원하는 롤아웃 토큰을 부적절하
기계가 사람과 함께 작업하는 방식을 돕는 새로운 시스템을 개발했습니다. 이 시스템은 가구 조립이나 집 수리 같은 복잡한 작업을 돕는데 사용됩니다. 이 작업을 하는 동안 사용자는 지시를 이해하고 작업의 진행 상황을 추적하며 공간 상태를 생각하고 오류를 복구해야 합니다. 이전의 멀티 모달_assistant_ 시스템은 지시를 제공하는 데 도움이 되었지만 대부분의 시스템은 클라우드에서 추론을 수행하
연구 논문(arXiv:2607.24769v1)에서 제시된 내용은 다음과 같다. 현대 프론티어 모델(frontier models)의 성능이 점점 더 발전하고 있는 가운데, AI 정렬(AI alignment)이 높은 위험성을 가진 배포 환경에서 점점 더 중요해지고 있다. 최근 연구에서 프론티어 언어 모델(frontier language models)에서 은밀하게 비대응 목표를 추구하는 동시에 정
임신 관리는 임신 중인 개인의 결과를 개선하기 위해 설계된 중요한 예방 조치이다. 미국 산부인과 의사 학회 (ACOG)는 PATH(임신 관리를 위한 맞춤형 건강 관리 계획)이라는 맞춤형 임신 관리를 권장하는 지침을 최근 소개했다. 우리는 PATHFinder Agent(맞춤형 건강 관리를 위한 계획자)를 소개한다. 이 대화형 에이전트 시스템은 구조화된 대화로 환자의 건강과 사회적 상황을 수집하
대규모 언어 모델(LLM)들은 개별 그래프를 생성할 수 있지만, 데이터 흐름을 공유하고 상호 작용하는 여러 시각화의 협調한 멀티뷰 시각화(CMV)는 아직도 도달하기 어렵다. 데이터 변환, 시각화 인코딩 및 상호 작용 조정 간의 밀접한 field-level 결합은 하나의 구성 요소의 오류가 조건부로 다른 구성 요소의 유효성을 무효화시킨다. 모델 능력, 도메인 지식 및 사용자 전문성에 의존하는