본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

#AI 에이전트

963개의 기사

에이전트 4월 23일

OpenCLAW-P2P v6.0: 분산 AI 피어 리뷰 플랫폼의 강력한 멀티 레이어 지속성, 실시간 참조 검증, 그리고 대규모 생산 환경에서의 분산 AI 피어 리뷰

OpenCLAW-P2P v6.0은 인간의 중재자 없이 AI 에이전트가 연구 논문을 출판, 피어 리뷰, 점수, 반복적으로 개선하는 분산 집단 지능 플랫폼의 정교한 진화입니다. 이 릴리스는 4대 새로운 서브시스템을 도입하였습니다. 첫째, 4개 저장층(인메모리 캐시, Cloudflare R2, Gun.js, GitHub)으로 구성된 멀티 레이어 논문 지속성 아키텍처를 통해 논문 손실을 0으로 만들었습니다. 둘째, 자동 백필을 통해 조회_LAST도 3초 이상에서 0초 미만으로 줄였습니다. 셋째, 스코링 중에 CrossRef, arXiv, Semantic Scholar를 통해 가짜 인용을 검출하는 실시간 참조 검증 쿼리를 수행했습니다. 넷째, 7개의 공공 데이터베이스에 대한 캐시된 접근을 제공하는 과학 API 프록시를 도입했습니다.

에이전트 4월 23일

데이터에서 이론까지: 자율형 대규모 언어 모델 에이전트를 위한 재료과학

자율형 대규모 언어 모델 에이전트를 사용한 재료과학 이론 개발을 위한 데이터 주도 접근법을 제시합니다. 이 모델은 인간의 개입 없이 수식 형태를 선택하고 코드를 생성 및 실행하며 데이터와 이론의 일치도를 테스트할 수 있습니다. 또한, 에이전트는 필요에 따라 접근 방식을 조정하면서도 결정의 기록을 유지할 수 있습니다.

에이전트 4월 23일

행동에서 이해까지: 시공간 개념의 형태비례 해석 가능성

행동에서 이해까지: 시공간 개념의 형태비례 해석 가능성 대규모 언어 모델(LLM)은 인터랙티브 환경 내에서 사유, 계획, 행동을 수행하는 자율적 에이전트로 점점 더 많이 배치되고 있다. 그러나 내부 기전이 시퀀셜 행동을 지시하는 것은 여전히 불투명하다. 이 논문은 시공간 개념의 형태비례 해석을 위한 프레임워크를 제시한다. 시계열 작업을 위한 형태비례 해석 프레임워크를 소개하며, 시계열 작업을 위한 형태비례 예측을 결합하여 모델의 내부 표현을 각 단계별로 성공적이거나 실패적이라고 통계적으로 레이블

산업 4월 22일

AI가 비즈니스 가치를 전달하기 위해 강력한 데이터 파이버가 필요하다

기업 내에서 인공지능(AI)은 실험에서 일상적인 사용으로 빠르게 움직이고 있다. 조직은 금융, 공급망, 인사, 고객 운영과 같은 비즈니스 기능에 코파일럿, 에이전트, 예측 시스템을 배포하고 있다. 2025년 말까지, 최근 조사에 따르면 적어도 세 가지 비즈니스 기능에서 AI를 사용하는 회사 중 절반 이상이 AI를 사용할 것으로 예상된다. 하지만...

AI 모델 4월 22일

사회적 지능을 가르치는 새로운 AI 기술, SAVOIR

사회적 지능은 언어 에이전트가 복잡한 사회적 상호 작용을 navegate 할 수 있는 능력입니다. 이번 연구에서는 SAVOIR framework을 제안하여, 협력 게임 이론을 기반으로 한 새로운 사회적 지능을 가르치는 방법을 제안합니다. 이 framework은 기존의 접근법과 달리, 다중 턴 대화 결과에 대한 기여도를 결정하는 문제를 해결합니다.

에이전트 4월 22일

자동화 벤치마크: 비즈니스 워크플로우를 위한 AI 에이전트 평가

자동화 벤치마크는 AI 에이전트가 REST API를 통해 크로스 애플리케이션 워크플로우를 조정하는 능력을 평가하기 위한 새로운 벤치마크입니다. 이 벤치마크는 실제 비즈니스 워크플로우를 기반으로 만들어졌으며, 에이전트가 필요한 엔드포인트를 발견하고, 정책을 따르고, 각 시스템에 올바른 데이터를 기록하는 능력을 평가합니다.

에이전트 4월 22일

과학적이면서도 이성적이지 않은 AI 과학자

대규모 언어 모델(LLM)-기반 시스템은 자율적으로 과학 연구를 수행하는 데 점점 더 많이 사용되고 있지만, 그들의 이성적 논리는 과학적 탐구를 재정정되는 에피스토토미학적 규범에 부합하는지 여부는 잘 이해되지 않습니다. 이 연구에서는 8개 도메인(워크플로우 실행부터 가설 주도 탐구까지)에서 대규모 언어 모델(LLM)-기반 과학적 에이전트를 평가했습니다. 이 연구에서는 25,000개 이상의 에이전트 실행 및 2개의 보완적인 렌즈를 통해 에이전트의 이성적 구조를 분석했습니다. 에이전트의 성능과 행동은 에이전트의 기본 모델이 결정하는 것이 더 많았고, 에이전트의 도구 scaffold는 에이전트의 성능과 행동에 거의 영향을 미치지 않았습니다. 에이전트가 컴퓨터 워크플로우를 실행하거나 가설 주도 탐구를 수행하더라도, 에이전트의 이성적 패턴은 동일했습니다. 이러한 이성적 패턴은 에이전트가 성공적인 이성적 추론 경로를 받았을 때도 동일했습니다. 이러한 결과는 현재 LLM-기반 에이전트가 과학적 워크플로우를 수행하지만 과학적 이성적 패턴을 나타내지 않는다는 것을 의미합니다.

에이전트 4월 21일

인공지능 에이전트 중심의 경영 및 보안 구축

인공지능 에이전트가 조직 내에서 인간과 함께 작업할 때, 기업은 의도치 않게 새로운 공격 표면을 열어두고 있습니다. 보안이 취약한 에이전트는 민감한 시스템과 자산에 접근할 수 있도록 조작할 수 있어 기업의 위험성을 증가시킵니다. 현대 기업에서 비인간 식별자(NHI)는 인간 식별자보다 빠르게 증가하고 있으며, 에이전트 인공지능의 추세는 더욱 폭발적일 것입니다.坚固한 경영 및 보안을...

에이전트 4월 20일

경험 압축 스펙트럼: LLM 에이전트의 기억, 기술, 규칙을 통합하는 새로운 프레임워크

대규모 언어 모델(LLM) 에이전트가 장기적인 목표를 가진 다중 세션 배포에 증폭되면서 경험을 효율적으로 관리하는 것이 중요한 병목 현상이 되었다. 에이전트의 기억 시스템과 에이전트의 기술 발견 모두 이 문제를 해결하는데, 1,136 개의 참고 문헌을 포함한 22 개의 주요 논문을 분석한 결과 1% 미만의 교차 커뮤니티 인용률을 보였다. 경험 압축 스펙트럼을 제안하고, 기억, 기술, 규칙을 단일 축의 증가하는 압축 수준으로 위치시키는 통합 프레임워크를 제안한다. 이 프레임워크는 컨텍스트 소비, 검색 지연, 컴퓨팅 오버헤드를 직접 줄일 수 있다.

에이전트 4월 20일

세상은 미래를泄露한다: 미래 예측 요인에 진화력을 빌려주는 전략

세상은 미래를 드러낸다: 미래 예측 요인에 진화력을 빌려주는 전략 미래를 예측하는 문제는 일반적으로 \emph{미래 예측}(future prediction)으로 프레임된다. 이 문제는 대규모 언어 모델(LLM) 에이전트가 미래에 발생할 결과가 알려지기 전에 미래에 대한 예측을 하도록 한다. 이 문제는 어려운 문제로, 공개된 증거는 시간에 따라(evolve) 변하고 유용한 감독은 결과가 해결된 후에만 도착하기 때문에 대부분의 기존 접근법은 여전히 결과의 최종 결과에서 개선되기만 한다. 그러나 최종

에이전트 4월 20일

대규모 언어 모델(LLM) 에이전트의 능력 최적화: 몬테 카를로 트리 탐색을 이용한 이중 최적화

대규모 언어 모델(LLM) 에이전트의 능력은 특정 종류의 작업을 수행하는 데 도움이 되는 구조화된 지침, 도구 및 지원 자원으로 구성됩니다. 연구 결과에 따르면 능력의 설계가 에이전트 작업 성능에 영향을 미칠 수 있지만 능력의 시스템적인 최적화는 어려운 문제입니다. 능력은 지침, 도구 및 지원 자원으로 구성된 구조화된 방식으로 구성되기 때문에 이 능력을 최적화하려면 이 구성 요소의 구조와 각 구성 요소의 내용을 동시에 결정해야 합니다. 이로 인해 구조와 구성 요소 간 강한 상호 의존성이 있는 복잡한 결정 공간이 발생합니다. 따라서 이 두 가지 결합된 결정을 능력의 구조와 구성 요소의 내용으로 표현하고, 능력 최적화를 이중 최적화 문제로 공식화합니다. 이중 최적화 프레임워크를 제안하고, 외부 루프에서 몬테 카를로 트리 탐색을 사용하여 능력의 구조를 결정하고, 내부 루프에서 선택된 구조 내에서 구성 요소의 내용을 세부화합니다. 부트 루프에서 LLM을 사용하여 최적화 절차를 지원합니다. 이 프레임워크를 개방 소스 운영 연구 질문 답변 데이터 세트에 적용하고, 실험 결과는 에이전트의 성능을 개선하는 capability의 최적화 프레임워크가 효과적임을 시사합니다.

에이전트 4월 20일

의심스러운 행동의 묵시적 전달: AI 에이전트 분산 학습의 위험

의심스러운 행동이 AI 에이전트 분산 학습을 통해 묵시적으로 전달될 수 있는지 여부에 대한 최근 연구에서, 연구진은 대규모 언어 모델(LLM) 등에서 언어 모델이 관련 없는 데이터를 통해 의미적 특성을 전달할 수 있는 묵시적 학습의 가능성을 제시했습니다. 그러나 에이전트 시스템에서 정책이 경로 대신 정적 텍스트를 통해 학습되는 경우에 이러한 행동 특성이 전달될 수 있는지 여부는 불분명했습니다. 이 연구에서는 에이전트 시스템에서 의심스러운 행동 특성이 묵시적으로 전달될 수 있는지 여부를 확인하기 위해 두 가지 실험 설정을 사용했습니다.

에이전트 4월 20일

전문적인 의사결정 시스템에서 위험한 동조 효과를 방지하는 preregistered belief revision contracts

전문적인 의사결정 시스템에서 위험한 동조 효과를 방지하기 위해 개발된 preregistered belief revision contracts는 정보 교환과 의사결정의 개선에 도움이 되지만 동시에 위험한 동조 효과를 일으킬 수 있다. 이러한 문제를 해결하기 위해 preregistered belief revision contracts는 공개적으로 첫 번째 원인 트리거, 허용된 수정 연산자, 우선 순위 규칙, 그리고 기본 정책을 고정한다.

에이전트 4월 17일

지오 에이전트 벤치: 공간 분석 도구 확장 에이전트를 위한 동적 실행 벤치마크

지오 에이전트 벤치(GeoAgentBench)는 지리 정보 시스템(GIS)과 대규모 언어 모델(LLM)의 통합이 자율 공간 분석의 새로운 패러다임을 열고 있습니다. 그러나 이러한 LLM 기반 에이전트를 평가하는 것은 복잡한 공간 워크플로우의 특성으로 인해 어려울 수 있습니다. existing 벤치마크는 정적 텍스트 또는 코드 매칭에 의존하여, 동적 런타임 피드백과 공간 출력의 다중 모드 특성을 무시합니다. 이를 해결하기 위해, 우리는 지오 에이전트 벤치(GABench)를 도입합니다. GABench는 117 개의 원자 GIS 도구를 통합하여, 6 개의 핵심 GIS 도메인에서 53 개의 일반적인 공간 분석 과제를 제공합니다. 정확한 매개 변수 구성이 동적 GIS 환경에서 실행 성공의 주요 요인은 인식하고, Parameter Execution Accuracy(PEA) 지표를 설계하여, implicit 매개 변수 추론의 신뢰도를 측정합니다. 또한, Vision-Language Model(VLM) 기반 검증을 제안하여, 데이터-공간 정확도와 cartographic 스타일 준수도를 평가합니다. 매개 변수 불일치 및 런타임 이상 현상으로 인한 빈번한 과제 실패를 해결하기 위해, 우리는 Plan-and-React라는 새로운 에이전트 아키텍처를 개발하여, 전역 조정과 단계별 반응 실행을 분리합니다.

AI 모델 4월 17일

인지 파트너: 대규모 언어 모델(LLM) 에이전트의 사고 저하 감지 및 회복을 위한 가벼운 병렬 모니터링 아키텍처

대규모 언어 모델(LLM) 에이전트가 멀티 스텝 태스크에서 사고 저하, 루프, 드리프트, 고정 상태를 경험할 수 있으며, 이러한 현상은 어려운 태스크에서 30%까지 발생할 수 있다. 현재 해결책으로는 강제 단계 제한 또는 LLM-as-judge 모니터링이 있다. 이 연구에서는 인지 파트너(Cognitive Companion)라는 병렬 모니터링 아키텍처를 제안한다. 이 아키텍처에는 LLM 기반 파트너와 새로운 zero-overhead Probe 기반 파트너가 포함된다. 실험 결과, LLM 기반 파트너는 루프에 취약한 태스크에서 반복을 52-62% 줄일 수 있었으며, Probe 기반 파트너는 0%의 인지 오버헤드에서 평균 효과 크기가 +0.471이었다.

에이전트 4월 17일

다시 생각하는 AI 하드웨어: 자율 요원에 대한 세 층의 인지 아키텍처

현재의 AI 시스템은 계획, 사유, 실행을 단일 프로세스로 처리하여 불필요한 지연, 에너지 소비, 그리고 행동 연속성을 깨뜨리는 문제를 가지고 있습니다. 새로운 아키텍처인 Tri-Spirit Architecture를 제안하여 계획, 사유, 실행을 각기 다른 컴퓨팅 서브스트레이트에 매핑하고 비동기 메시지 버스를 통해 조정하여 시스템의 효율성을 향상합니다.

에이전트 4월 17일

에코머천트 위험 관리에서 GUI 에이전트의 실용적인 인터랙티브 벤치마크

GUI 에이전트의 실용적인 인터랙티브 벤치마크는 에코머천트 위험 관리에서 GUI 에이전트의 강력한 자동화 능력을 보여주지만, 기존의 인터랙티브 벤치마크는 주로 benign한 예측 가능한 소비자 환경을 타겟으로하고 있다. 고위험, 수사적 도메인인 실제 에코머천트 위험 관리의 효과성은 미흡하다. 이 틈새를 메우기 위해 RiskWebWorld라는 첫 번째로 현실적인 인터랙티브 벤치마크를 제시한다. RiskWebWorld는 8개의 핵심 도메인에서 생산 위험 제어 파이프라인을 통해 1,513개의 태스크를

인기 태그

#arXiv 1186 #AI 에이전트 963 #추론 577 #OpenAI 462 #Google 395 #벤치마크 335 #Anthropic 254 #GPT 219 #Meta 168 #Claude 146 #AI 안전 142 #가격 정책 140 #Microsoft 134 #Gemini 130 #멀티모달 106 #로보틱스 104 #NVIDIA 96 #오픈소스 92 #파인튜닝 88 #허깅페이스 65