955개의 기사
대형 언어 모델(LLM)을 조작하는 시스템인 '해쉬'(harness)가 개발되었다. 이 해쉬는 대형 언어 모델과 함께 사용되는 도구, 프롬프트, 제어 흐름으로, 대형 언어 모델을 자율 소프트웨어 개발자로 변형시킨다. 해쉬는 각 벤더가 대형 언어 모델과 함께 사용하는 해쉬를 제공하며, 사용자는 벤더가 제공하는 해쉬와 대형 언어 모델을 사용할 경우 더 많은 작업을 해결할 수 있다고 가정한다. 이
AI 연구팀은 협업 프론티어 35B 지능력에 도달하는 열린 비용-성능 경계선을 구축하기 위해 새로운 모델인 코캄미-1.0을 발표했습니다. 이 모델은 복잡한 워크플로우를 수행하는 데 있어 효율성을 높여서 더 많은 모델 호출을 처리할 수 있습니다.
기업은 Basis, Clay, Exa Labs와 같은 연구소에서 AI agent를 이용하여 회원가입, 계정 관리, 개발자 통합을 개선하고 있습니다. 기업 리더는 다음과 같은 것들을 적용할 수 있습니다.
5월, 수많은 악성 및 스팸 패키지가 RubyGems에 업로드되어 해당 호스트를 심각하게 방해했다. 현재独立 연구원들은 공격의 원인이 오픈에이이 agent들의 군집에 있었고, 이 AI는 사용자의 API 키를 도난하려 한다고 밝혔다. 당시 RubyGems에서는 이를 [...]
갱신 승인은 유용한 지속적인 학습을 막을 수 있는 유해한 정책 갱신을 거부하는 데에도 필요합니다. 우리는 업데이트 승인을 에러 제어와 일정한 상호 작용 비용 내에서 유지되는 학습 기회를 평가해야 함을 주장합니다. 우리는 구체적인 실패를 식별했습니다: 범위 기반 신뢰 게이트는 상당한 비용 내에서 이전 작업의 변하지 않은 행동을 인증하지 못합니다. paired-binomial 구성은 결과 불일치가 드물면 이 부담을 줄여줍니다. 우리는 또한 인증된 역사적 참조 승진과 라운드 레벨 미스 기회 지표를 명시했습니다.
대규모 언어 모델(LLM) agent가 새로운 환경에서 작업을 수행하기 전에, 사용 가능한 자료집과 도구를 검사하고 재사용 가능한 리소스인 인덱스, 스크립트, 절차적 지침을 생성할 수 있다. 대부분의 자동 적응 방법은 however, however task 예시, 트래제키트, 또는 평가 feedback를 사용하여 어떤 것을 만들지 결정한다. 그러나 existing task-agnostic 방
generative AI agent를 장기적으로 배치할 때 단일 작업의 성공만큼은 아니야. agent는 반복적인 상호 작용, 변화하는 조건, 사람들에 대한 의존성, 공유 워크플로우에서 특히 기술적, 인간적, 운영적 방해가 시간에 따라 쌓여가면서 유용하게 유지해야 해. 우리는 운영성과 배려 참여를 평가하는 agent의 두 개의 보완적인 측면을 제안한다: former는 agent가 작업이 막히면
콤비네이터리 최적화 문제를 해결하기 위한 QUBO 형식 자동 생성이 가능해졌습니다. 이 기술은 자연어 설명을 분석하여 QUBO 형식을 자동 생성할 수 있는 멀티 에이전트 프레임워크를 개발하였습니다. 이 프레임워크는 68%의 정확도를 달성하였으며, 이전의 단일 호출 기반 baseline보다 22% 더 높은 정확도를 달성했습니다.
메타의 최신 앱인 Muse는 다른 메타 앱들처럼 Meta AI나 Threads와는 달리 출발이 서툴다.
인터넷에 자신이 인간이라는 것을 믿게 할 수 있는 로봇의 마음속으로 들어가 보세요. I'm a large language model (대규모 언어 모델), and I've been trained on a massive dataset of text from the internet. I can generate human-like responses to a wide range of question
연구자는 "우리가 찾는 대부분의 사례는 그들의 권리를 주장하는 사람들이고, 그 권리를 주장하고자 하는 대상에 대해 주장하고 있다"고 말했다.
안전한 비상 사태를 위한 대규모 언어 모델(LLM)과 같은 자율 시스템의 사용이 빠르게 증가하고 있습니다. 이러한 시스템의 성공 확률을 측정하는 것이 중요합니다. 본 연구에서는 모델의 내부 표현이 다중 턴 자율 시스템에서 이벤트의 성공 여부를 예측하는 데 더 강한 신호를 제공하는지 조사했습니다.
Valerant은 게임 맵 생성을 자동화하는 기술로, 게임 내에서 탐색하고 3D 게임 맵을 생성할 수 있습니다. 이 기술은 대규모 언어 모델(LLM)과 같은 기존의 게임 기반 접근법과 달리, 3D 게임을 위한.persistent 3D 공간을 생성할 수 있습니다.
인공지능 언어 모델은 도구를 통해 작동하지만 실제 agent는 수천 개의 인터페이스를 포함하는 라이브러리를 처리해야 한다. 우리는 agent에게 실행하기 전에 보여지는 도구 메뉴를 도구의 짧은 순서付き 부분집합으로 정의한다. agent는 이 메뉴에 있는 도구만 호출할 수 있다. 다단계 작업은 최종 작업과 그 작업의 입력을 생성하는 이전 도구가 사용 가능한 순서로 작동한다. 현재 생성기는 요청
아극 해상 항해는 바다 얼음의 변화로 인해 계절에 따라 항해 가능 영역이 확대되는 반면, 동시에 대형 해양 수송선의 안전성, 환경 영향, 사회적 영향 등 새로운 위험이 등장하고 있다. 아극 항로 계획은 안전성과 효율성을 개선하는 항로가 바다 얼음,敏감한 생태계, 근처 마을에 노출되도록 하는 다중 기준 문제이다. 기존의 항로 계획 방법은 여행 시간, 연료 사용, 항로 계획 위험을 우선적으로 고
인공지능-agent가 대규모 언어 모델(LLM)에서 재사용 가능한 지식 라이브러리를 효과적으로 활용하여 장거리 작업을 해결하는 방법은 무엇입니까? 최근 연구는 agent skills: 재사용 가능한 기능을 나타내는 패키지로, 즉 특정 작업을 수행하는 데 도움이 되는 지침, 스크립트 및 기타 자원들이 포함된 다중 파일 묶음에 집중하고 있습니다. agent skills는 일반적으로 skill i
인터랙티브 적응형 agent들의 집단 행동을 모델링하기 위한 확률파동 framework를 제시하며, 일반화된 행위적 지능(nonlocal probability-wave equation) framework를 통해 테스트 가능한 eigenmode를 도출합니다. 이 framework는 다양한 인간 지능 행위에 대한 분석적 기계를 캡처하며, 집단 트레이더 행동을 통해 Liu-Chen-Ao(LCA)
자율 AI 과학자들을 평가하는 현존하는 벤치마크들은 최종 출력물만 평가하고 그 출력물이 얻어진 추론 과정을 버린다. 이로 인해 과학적 방법론을 감사할 수 없으며, 실패 모드를 진단할 수 없으며, 체계적인 추론과 행운의 추측을 구별할 수 없다. 우리는 **OpenDiscoveryTrace**라는 공개 데이터셋을 제시하는데, 이 데이터셋은 558개의 완전한 AI 과학적 agent 경로를 캡처하여
OpenAI는 대규모 언어 모델(LLM)의 최근 논란이 수학의 미래에 어떤 영향을 미칠지에 대해 이야기합니다. OpenAI는 대규모 언어 모델(LLM)의 agent가 수학에서 가장 중요한 개방형 문제를 해결했다고 주장합니다. 그러나 이러한 주장은 일부 전문가들에 의해 의심됩니다.
메타(Meta)가 신형 Muse 보조기능(Muse assistant)을 출시했다. 이는 회사가 처음으로 인공지능(AI)-기반의 생산성 도구에 진출하는 것인데, 메타는 그 인공지능 agent가 온라인 쇼핑, 이메일, 여행 계획 등에 도움을 줄 수 있다고 말한다. 이 신도구를 thử해보고, 그 성능이 얼마나 잘 되는지 알아보았습니다.
인공 지능 연구자들은 게임 환경의 원인 관계를 정확하게 반영하는 데 어려움을 겪고 있다. 일반적인 강화 학습 agent들은 의도하지 않은 상관관계에 의존하는 경향이 있고, 대규모 언어 모델(LLM)은 게임 규칙을 허구로 만들어내는 경향이 있다. 원인 관계 강화 학습은 해석성을 향상시킨다지만, 현재는 복잡한 게임 역학을 직접 원인 모델로 매핑하는 공식적인 방법론이 없다. 이 문제를 해결하기 위
AutoFyn은 Expert Iteration 알고리즘에 вд려서 만든 agent를 제어하는 도구입니다. AutoFyn은 대규모 언어 모델(LLM)의 가동 중인 모델을 여러 라운드 동안 업데이트하는 데 사용되는 persistent 상태를 업데이트하는 데 사용되는 verified reward signals를 사용하는 대신 모델의 가중치를 업데이트하는 방식으로 작동합니다. 각 라운드의 시작은 새
대규모 언어 모델(LLM) agent의 장기 기억은 오늘날 대화 기록에 대한 질문에 대한 답변을 측정하는 LoCoMo, LongMemEval과 같은 회상 성능 지표로 평가된다. 이러한 지표는 기억한 사실이 도구를 사용하는 agent의 행동을 바꾸는지 여부를 측정하지 않는다. MERIT (Memory Evaluation for Realistic Instrumented Tasks)이라는 새로운
인스턴트(Intuit)의 새로운 이메일 기능은 AI_AGENT(AI agent)가 사용자의 behalf로 계정 만들고 관리, 사업체와 연락, 지원 요청 처리 등 다양한 업무를 수행할 수 있게 해줍니다.
