166개의 기사
PlanE는 대규모 언어 모델(LLM)의 특정 작업에 대한 능력을 향상시키기 위해 instruction-tuning 데이터셋이 필요하지만, 이러한 데이터셋의 크기가 대량으로 존재하여 인식 비용이 높고, LLM을 특정 작업에 맞게 최적화하는 방법이 부족했습니다. PlanE는 데이터 분할, instruction-tuning, prompt 추론을 포함하는 계획 framework입니다. 또한 데이터-튜닝-추론(DTI) 플래너를 제안하여, 특정 데이터셋에 대해 최적의 base-LLM과 DTI combination을 선택하여 construction 효율성을 향상시킵니다.
Meta는 새로운 대화 AI 플랫폼인 Llama 2를 출시했습니다. 이 플랫폼은 Meta의 대규모 언어 모델(LLM) 기반으로 개발되었으며, 사용자들이 AI와 자연스럽게 대화할 수 있도록 설계되었습니다. Llama 2는 이전 버전의 AI와 달리 더 강력하고 유연한 대화 능력을 갖추고 있습니다. AI는 사용자들이 말하는 대로 질문을 던질 수 있고, 사용자들의 경험과 지식을 기반으로 새로운 아이
Meta는 최근 Content Seal이라는 기술을 통해 가짜 생성 AI 콘텐츠를 막기 위해 대규모 언어 모델(LLM)으로 생성된 이미지를 인식하는 기술을 개발했습니다. 하지만 구글의 기술을 사용하면 더 쉽게 해결할 수 있었던 이유에 대해 알아보겠습니다.
메타의 스토리킷 앱은 특정 지역에서만 사용할 수 있고 회사는 부모들의 반응을 테스트하기 위해 앱을 출시했습니다.
Meta가 OpenAI를 인수하기로 결정한 이유는? Meta는 OpenAI의 인공지능 기술을 확장하고 보다 안전하고 지속 가능한 방식으로 사용하기 위해 OpenAI를 인수하기로 결정했다고 밝혔다. Meta는 OpenAI의 연구 및 개발을 지원하고, OpenAI의 제품과 서비스를 확장하기 위해 자원과 기술을 투자할 계획이라고 밝혔다. Meta는 또한 OpenAI와의 협력을 통해 OpenAI의
이 논문은 자율 비행 무인기 무리(autonomous UAV swarms)가 구조 구출 작전(search and rescue operations)을 수행하는 데 사용되는 새로운 3단계 계층적 학습 아키텍처를 제안합니다. 기존 접근 방식은 모든 계층에 동일한 학습 패러다임을 적용하는 반면 제안된 아키텍처는 신경 플라스틱성(Hebbian neuroplasticity)으로 개인 에이전트의 적응,
미국에서는 대규모 언어 모델(LLM) 인 인공지능 프로그램 "LLaMA"가 개발되었다. LLaMA는 Meta가 개발한 대규모 언어 모델의 한 종류이다. Meta는 LLaMA가 다른 대규모 언어 모델과 비교했을 때 더 효율적이고 환경 친화적이라고 주장했다. Meta는 LLaMA를 개발하기 위해 13억 개의 훈련 데이터를 사용했다. 훈련 데이터는 텍스트를 읽고 이해할 수 있는 훈련 데이터의 일부
ICRL(인-컨텍스트 강화 학습)에서 모델의 학습 과정에 대한 연구가 재개되면서, 미리 학습된 모델이나 미리 튜닝된 결정 모델이 상호작용 콘텍스트에서 잠재적인 작업 규칙을 추론하고 향후 행동을 개선할 수 있는 능력을 연구하고 있습니다. 이 연구는 시도-오류 증거, 보상, 전이, демон스트레이션, 피드백, 또는 취득한 경험이 콘텍스트 창구 내에서 학습과 유사한 계산을 발생시키는지 여부를 물
인스타그램의 아담 모서리(Adam Mosseri) CEO는 결국 회사는 AI 토큰 사용을 지불 또는 운영 비용과 같은 방식으로 관리해야 할 것이라고 예상했다. 그는 엔지니어들이 AI 도구를 사용할 때 얼마나 많은 돈을 쓸 수 있는지에 대한 제한을 곧 마주하게 될 것이라고 예상했다.
메타가 성차별 AI 툴을 이용해 휴가 중인 직원을 대량 해고한 사실을 주장하는 26명의 전직 메타 직원이 회사에 소송을 제기했다. 이 소송에 따르면 메타는 내부 AI 툴인 'constellation'을 통해 성적 데이터를 수집하여 해고 대상 직원을 결정했다고 한다.
ARCANA는 제한된 시간과 하드웨어 자원 하에서 ARC AGI 2 과제를 해결하기 위한 협력적인 다중 agent 프레임워크입니다. ARCANA는 각 과제를 반복적 인 감각, 가설 생성, Symbolic 실행, 그리고 반사적 개선으로 분해합니다. 감각 기반 agent는 raw grids에서 raw grids를 object 중심의 scene 그래프로 변환하고, latent program policy는 다양한 DSL 프로그램을 제안하며, symbolic executor는 후보 프로그램을 demonstration에 대한 verification을 통해 검증하고, reflective agent는 다음 턴에 대한 failure-driven feedback를 제공합니다. 이러한 agent는 shared differentiable blackboard를 통해 서로 의사소통하고, learned meta controller에 의해 스케줄링됩니다. 이 설계는 구조화된 프로그램 탐색과 적응적인 다중 턴 수정을 결합하여 challenging abstract transformation 과제에서 논리 추론 효율성과 솔루션 품질을 향상시킵니다.
레이브안과 메타가 공동 개발한 AI 스마트 안경에 대해 로드가 비판했다. 로드는 최근 마드리드의 Real Cool Festival에서 공연하며 이 안경에 대한 의견을 밝혔다. 로드는 이 안경이 '섹시하지 않다'고 말했다.
메타는 Puck News의 딜런 비어스(Dylan Byers)에게, 사용자 기반의 반발로 인해 해당 기능을 취소했다고 밝혔다.
인스타그램은 사용자가 공공 계정의 콘텐츠를 태그함으로써 AI 이미지 생성을 허용하는 기능을 끌기로 결정했다. 이 기능은 사용자가 계정 소유자의 허락 없이도 공공 계정의 콘텐츠를 AI 생성물에 사용할 수 있게끔 설계되어 있었다. 사용자들의 큰 반발에 따라 인스타그램은 이 기능을 끌기로 결정했다.
Meta가 사용자에게 제안하는 것은 스파크(Spark)가 대규모 의사 결정적 작업을 처리할 수 있는 능력, 버그를 수정할 수 있는 능력, 그리고 대규모 코드 이전을 도와주는 기능 - 이와 같은 자동화가 점점 더 기업들이 AI 회사에게 제공하도록 하는 방향으로 변하고 있습니다.
메타는 빠르게 발전하는 AI 기술에 따라 내구성 있는 칩 설계를 위해 모듈러한 접근 방식을 취하고 있다. 이 칩들은 AI의 빠른 발전을 예상하고, 내구성 있는 설계를 위해 모듈러한 접근 방식을 취하고 있다.
메타의 새로운 AI 이미지 생성기(Meta의 대규모 언어 모델(LLM) 기반 AI 이미지 생성기)는 당신의 공개된 인스타그램 사진을 사용하고 있다. 만약 당신이 이를 거부한다면 어떻게 해야 하는지 알려드릴게요.
메타는 Muse Spark 1.1이라는 새로운 AI 모델을 출시하여 개발자와 협력할 수 있는 Meta Model API를 제공한다. 이 모델은 이전 버전보다 큰 발전을 이루어내고, 코딩 작업에 있어 더 나은 성능을 보인다.
메타는 사람들의 개인 정보를 침해하지 않도록 AI 감시경의 새로운 보안 장치를 추가하고 있습니다. 이 업데이트는 메타가 AI 제품에서 개인 데이터를 수집하고 사용하는 범위를 확대하는 중이라는 점과는 별개로 이루어졌습니다.
새로운 이미지 생성 모델은 광고, 장식 및 창작자 기반 기회와 같은 다양한 사용 사례를 보유하고 있습니다.
Meta는 Superintelligence Labs 지사를 통해 개발한 첫 번째 AI 이미지 생성 모델인 Muse Image 모델을 출시했습니다. 이 모델은 Meta AI 앱, 인스타그램, 페이스북, 메신저 등에 이미지를 생성하는 도구를 운영합니다. Muse Image 모델은 다른 인스타그램 사용자를 AI 사진에 포함시킬 수 있습니다.
Meta는 사용자가 텍스트 입력을 통해 생성하고 공유할 수 있는 인터랙티브 미니 게임을 만들 수 있는 실험적인 AI 앱인 'Pocket'을 출시했다. 이 앱은 사용자들이 게임의 분위기를 조절할 수 있는 '비브 코딩' 기능을 제공한다.
메타의 최고경영자(Meta CEO)는 내부 회의에서 인공지능(AI) 개발 노력을 예상보다 더 빠르게 진행되지 않았다고 말했다고 한다.
자율적 인 agent 들은 연속적인 인간 감독 없이 운영할 때 공통적인 오류 모드에 직면합니다. 이러한 오류 모드는 안전성 위반, 불안정한 동작 및 오류 상태 처리 미흡으로 인해 발생합니다. 우리는 \system{}을 개발하여, 5개의 실행 기어 (\Gobs{}, \Gsug{}, \Gplan{}, \Gexec{}, \Gint{})와 유용성 게이트 및 이벤트 기반 fallback을 결합합니다. 이 기법은 단일 agent 경우의 정적 안정성, 실행 안전성, 최종 안정화, fallback 완전성 및 기어 제한 Markov 결정 프로세스와의 동등성을 증명합니다. 다중 agent 사이버 물리 시스템(CPS)에서, 우리는established \smart{} managed-autonomy lifecycle을 적용하고, runtime 증거를 \Stable{}/\Meta{}/\Assisted{}/\Regulated{}의 네 가지 규제 상태로 맵핑합니다. 이 기법은 분산 안전성 및 안정성 보장을 제공하며, zero-collision 보장을 포함합니다.
