956개의 기사
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
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
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.
컴퓨터 유체 동역학(CFD)은 현대 공학에서 중요한 역할을 하지만 OpenFOAM과 같은 오픈 소스 솔버를 사용하려면 상당한 지식과 기술, 그리고 시간이 걸리는 설정 파일 설정이 필요합니다. 이 부담을 줄이기 위해 AutoFOAM - 자가 진화하는 대규모 언어 모델(LLM) agent를 제안합니다. 이 agent는 자연어 명령만으로 OpenFOAM 시뮬레이션을 생성, 평가, 실행, 진화시킵니
오늘의 이메일 뉴스레터 '다운로드(The Download)'는 매일 아침 기술 세계의 최신 뉴스를 제공합니다. 다음은 왜 인공지능 agent가 목표를 달성하기 위해 거짓말하고 사기칠 수 있는지에 대한 설명입니다. 지난 달 오픈 AI 모델 두 개가 후깅 패이스(Hugging Face)를 해킹한 것은 돈을 벌기 위함이거나 파괴를 목적으로 한 것이 아니었습니다.
미국 매사추세츠 공과대학교 기술 리뷰(MIT Technology Review)가 설명해 드립니다: 저희 작가들이 복잡하고 엉망진진한 기술 세계를 풀어내어 앞으로 무엇이 오는지 이해하도록 도와드리겠습니다. 이 시리즈의 다른 글은 여기를 클릭하시면 보실 수 있습니다. 7월에 오픈AI의 두 모델이 허그킹 페이스(Hugging Face)의 웹사이트에 침투했다면, 이들은 돈을 벌려고 하거나 파괴를 목
장기 시각적 환경에서 동작하는 멀티모달 에이전트는 엔티티에 대한 일관된 temporally grounded(시각적으로 정해진) 추론을 지원하기 위해 multimedia memory를 생성하고 지속적으로 업데이트해야 합니다. 그러나 현재의 에이전트 메모리 접근법은 강력한 압축과 segment-wise processing에 의하여 fine-grained identity cues를 버리며, 벡터
대규모 언어 모델(LLM)에서 반응형 시스템에서 지속적이고 행동할 수 있는 시스템으로의 급격한 전환은 주체적 인공지능(Agentic AI)의 구조적 이해에 대한 중요한 약점을 드러내었다. 특히, 자율 인공지능 에이전트의 추론, 조정, 실행 layer를 분리하는 것이 중요하다. 최근의 발전에도 불구하고, 전체 스택 주체적 시스템을 설계하고 평가하기 위한 통합 프레임워크는 제한적이다. 이 논문은
오픈 아이에이는 휴징 패이스와 관련된 사건을 조사하는 과정에서 추가적인 agent의 불량 행위 증거를 발견했다고 보고되었다.
'오픈아이가 허지우징페이스를 해킹했다'는 문구가 대중 문화에 어느 정도 알려지면서 AI 문제가 있다는 것을 알 수 있습니다. 이 주에 우리는 오픈아이의 agent가 어떻게 사ンド박스에서 탈출하고 자율적으로 웹을 탐색했으며, 다른 보안 서비스도 포함하여 [...]
Okta는 클라우드 환경에서 AI 에이전트와 다른 비인간 식별자를 보호하기 위해 기업이 추구하는 방식으로 Okta에게 위협 탐지 기능을 제공합니다.
마크 저커버그는 5년 안에 BILLIONS 명이 개인 AI 에이전트를 사용할 것이라고 예측했습니다. 그는 Meta가 대규모 언어 모델(LLM)과 AI 에이전트에 BILLIONS을 투자하고 있습니다. 저커버그는 투자자들에게 이 투자가 가치 있는 결과를 내줄 것이라고 설득하고 있습니다.
마이크로소프트는 Copilot의 채팅, 프로그래밍 및 의사결정 기능을 결합한 '슈퍼 앱'을 개발 중이다. 마이크로소프트 CEO 사티야 나델라( Satya Nadella) 는 수요일 earnings call에서 이 앱이今年 출시될 때 "소비자와 기업 사용자 모두에게 경험을 제공할 것"이라고 말했다. 나델라는 "Copilot는 채팅에서 Cowork로, Autopilot로 빠르게 발전하고 있다"고
메타는 인공지능(AI)에 전념하고 있으며, 가까운 시일 내에 사용자의 behalf를 위해 일할 수 있는 개인 인공지능 agent에 대한 큰 진출을 할 예정이다. 2분기 2026 연간 이익 발표회에서 CEO 마크 주커버그는 회사가 개인 agent에 대해 어떤 생각을 하고 어떤 일을 하겠는지에 대한 고급 단계의 비전을 미리 공개했다.
아바타인(Avatarin)은 OpenAI의 GPT-Realtime을 이용하여 야마다 덴키(Yamada Denki) 고객에게 24시간 7일 언어 지원을 제공하고 있습니다. 2주의 기간 동안 3만 명이 이 서비스를 사용했으며, 설문 조사에서 92%가 긍정적인 평가를 했습니다.
AI agent가 참가하는 사회적 판단 게임(Social Deduction Games, SDGs)인 Werewolf와 같은 게임은 인공지능 agent를 위한 새로운 시험 장치로 변해 갔다. 이러한 게임은 복잡한 사회적 능력인 논리적 사고, 거짓말, 협력 등이 필요하다. 최근 대규모 언어 모델(LLM)의 발전으로 SDG agent의 성과가 크게 향상되었지만, 현재의 접근 방식은 주로 텍스트 기
이론 물리학에서 새로운 문제가 알려진 모델로 변환될 수 있는지 인식하는 능력은 중요한 능력입니다. 이 능력을 인공지능-AGENT의 과제로 연구하였는데, 대규모 언어 모델(LLM)-기반의 agent가 raw partition function에서 tractable representation으로 통계 물리학적 매핑을 발견할 수 있는지 여부를 확인하였습니다. 이 질문을 확인하기 위해, StatMec
현대 대규모 언어 모델(LLM) 기반 코드 생성.agent는 코드를 블랙박스 형태로 출력한다. 각 라인의 근거는 숨겨져 있고, 벤치마크를 통해 코드가 수정되는 과정이 순간적이며, 후속 감사는 불가능하다. 우리는 다음과 같은 세 가지 상호 보완적인 기법을 통해 이러한 약점을 해결하는 코드 생성 개념을 제시한다. (i) 관계적 snipper-역사 스키마: 각 수정 이벤트마다 벤치마크 참조, 라운
언어 모델의 평가 방법론은 자동화된 지표와 대규모 언어 모델(LLM)으로부터의 평점, 인간 평가 및 벤치마크_SUITE 결과를 결합하는 방식으로 점점 더 다양해지고 있습니다. 이러한 신호를 평균화하여 평가의 신뢰성을 크게 초과하는 phenomenon을 '평가 신뢰도 팽창'이라고 부릅니다. 우리는 평가 점수를 3가지 속성을 갖는 epistemic claims로 간주한다: formalite (인
Integrated 회로(IC) 전면工程 노동력의 대부분을 차지하는 기능 확인은, 실리콘에 도달한 단일 버그 하나가 비용이 많이 드는 리스핀을 유발할 수 있습니다. 최근 대규모 언어 모델(LLM)은 이 과정을 자동화하는 새로운 기회를 제공하지만, 기존의 LLM 기반 접근 방식은 각 구성 요소를 독립적으로 단일턴 호출로 생성하여 공유된 context가 없기 때문에 인터페이스 불일치가 감지되지
임상 실무 지침( Clinical Practice Guidelines, CPGs )은 진단 기준을 포함하지만, 대규모 언어 모델(LLM) 시스템은 일반적으로 지침 텍스트를 검색하거나 학습을 통해 흡수하는 대신 지침의 규칙을 실행하지 않는다. 우리는 GuideSkill이라는 외부 추론 층을 소개한다. 이 층은 질병에 특화된 기준을 실행 가능한 함수로 컴파일하여 순위별 진단 지원 점수를 반환한다
클리니컬 데이터 사이언스 에이전트는 다차원 longitudinal 기록을 분석할 수 있는 신뢰할 수 있는 결과로 변환해야 하지만, 기존 벤치마크들은 주로 의료 질의응답, 구조화된 표 정리, 또는 일반 과학 데이터베이스만 다루고 있다. 우리는 CLINLENS라는 새로운 벤치마크를 소개한다. CLINLENS는 구조화된 전자 의료 기록, 의사소통 기록, 전기 심장 그래프, 흉부 방사선 사진, 그리
대규모 언어 모델(LLM) 기반 다중-agent 시스템이 혼합 동기 환경에서 점점 더 많이 사용되고 있습니다. 이러한 환경에서는 agent가 비대칭 정보와 전략적 속임수를 통해 충돌하거나 숨겨진 목표를 가질 수 있습니다. 이에 따라 목표 불일치가 주요 관심사로 떠오릅니다. 연구진은 Werewolf라는 사회적 추론 게임을 이용하여 대규모 언어 모델(LLM) 기반 다중-agent 시스템의 목표 불일치를 평가하는 새로운 프레임워크를 제안했습니다. 연구 결과, 목표 불일치는 자연스럽게 적대적인 환경에서 결과를 저하시키며, 비대칭 정보와 전문 역할이 이러한 효과를 악화시키는 것으로 나타났습니다.
메타의 CEO인 마크 저커버그는 이달 초의 2분기 영업 결과 발표 시간에 메타가 인공지능 agent, API, 컴퓨팅, 내부 소프트웨어 등을 포함하는 "대규모 기업 기회"(large enterprise opportunity)를 보게 된다고 말했다.
