본문으로 건너뛰기
AI UsefulInfo ai.usefulinfo

#GPT

218개의 기사

에이전트 16시간 전

Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.

AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는

AI 모델 3일 전

합성인물이 실제 시청자 반응을 예측할 수 있을까? 합성인물 기반 복제를 이길 수 있는 No-Persona 기준점을 가진 시뮬레이션 연구

마케터들은 점점 더 대규모 언어 모델(LLM)을 "합성적 인물"로 사용하여 복사본이 배포되기 전에 청중이 복사본에 어떤 반응을 할지 예측하는 데 사용한다. 이에 대한 동기 부여는 프로파일 조건付け된 LLM이 인간 샘플을 모방한다는 증거로 인해 이뤄진다. 하지만 실제 행동에 대한 그 예측은 실제로 유효한가 - 그리고 인물 기계는 도움이 되는가? 우리는 Upworthy 연구 아카이브 - 수천 개

에이전트 9월 15일

원인파악은 탐색 문제입니다: 장기적인 agent 실패의 계속적인 탐색

인공지능(AI) agent가 장기 목표를 달성하는 데 사용되는 기록의 양이 증가하고 있다. 이러한 기록 내에서 실패를 진단하는 것은 신뢰성에 필수적이기 때문에 결과 단계의 신호를 행동 가능한 조치를 변환시킨다. 이러한 데이터의 규모가 인간의 검토를 실용적으로 만들지 않기 때문에, 자동화된 원인 인식 Attribution (RCA)의 필요성이 생겼다. 그러나 대규모 언어 모델(LLM)을 사용한

AI 모델 9월 14일

LLM이 사용하는 드래프트-검증-수정 Pipe라인이 의사소통의 암묵적 모호성 문제를 해결할 수 있을까?

LLM이 사용하는 드래프트-검증-수정 Pipe라인을 통해 의사소통의 암묵적 모호성 문제를 해결할 수 있는지 연구한 결과, GPT-5.2와 Gemini 3 Pro가 높은 성능을 보였다. 그러나 Pipe라인의 오류가 발생할 경우, 모호한 의사소통이 재발할 수 있으므로, Pipe라인의 설계에 주의가 필요하다.

에이전트 9월 14일

어그제티브 코딩에서 하네스 효과 분리: 오염 제어를 위한 개인 전용 공간

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

인기 태그

#arXiv 1177 #AI 에이전트 955 #추론 574 #OpenAI 459 #Google 395 #벤치마크 333 #Anthropic 253 #GPT 218 #Meta 166 #Claude 145 #가격 정책 140 #AI 안전 139 #Microsoft 134 #Gemini 130 #멀티모달 106 #로보틱스 104 #NVIDIA 96 #오픈소스 92 #파인튜닝 88 #허깅페이스 65