메타도 스페이스엑스처럼 AI 계산력의 여유를 돈으로 변환하기 위해 움직인다.
메타는 AI 계산 능력과 모델에 대한 접근 권한을 판매하는 클라우드 인프라 사업을 개발하고 있습니다. 이 움직임은 아마존 웹 서비스, 구글 클라우드, 마이크로소프트 애저와 같은 큰 클라우드 제공 업체와 경쟁하게 될 것입니다.
166개의 기사
메타는 AI 계산 능력과 모델에 대한 접근 권한을 판매하는 클라우드 인프라 사업을 개발하고 있습니다. 이 움직임은 아마존 웹 서비스, 구글 클라우드, 마이크로소프트 애저와 같은 큰 클라우드 제공 업체와 경쟁하게 될 것입니다.
애플, Anthropic, 디즈니 연구소, 구글, 메타, 마이크로소프트, 엔비디아, 오픈아이 등 많은 기업의 R&D 허브가 있는 곳은 실리콘 밸리를 제외하고 거의 없다. 또한 인구 약 40만 명의 도시에서 이러한 기업들이 집중되어 있는 곳은 거의 없다. 그러나 최근 20년 동안, 세계에서 가장 영향력 있는 기술 기업들의 많은 곳은...
최근 연구 결과 대규모 언어 모델(LLM)은 프로그래밍 및 증명 발견을 위한 의미 변형 연산자로 작용할 수 있음을 보여주었습니다. 대부분의 현재 응용 프로그램은 정적 코딩 벤치마크에 집중하고 있습니다. 우리는 알고리즘 거래라는 새로운 도메인에 이 패러다임을 확장합니다. 이 도메인은 소음이 많은, 비stationary, 그리고 극단적으로 불연속적입니다. 우리는 AlgoEvolve라는 LLM-기
AI 요람 스타트업인 Patronus AI는 전 Meta AI 연구원이 창립한 것으로 알려져 있다. 투자자들은 이 스타트업이 거의 무한한 수요를 맞이하고 있다고 말한다. Patronus AI는 대규모 언어 모델(LLM)과 같은 AI agent를 테스트하기 위한 '디지털 세계'를 구축하는 데 중점을 둔다.
메타가 다시 돌아온 페이스북 크리에이터 스튜디오 페이지 관리자를, 현재는 "재창조"된 독립형 AI 동반자 앱으로 출시한다. 새로운 앱은 크리에이터가 더 쉽게 시청자와 연결하고 "페이스북에서 성장하는 법"을 보여줄 수 있도록 돕는다. 메타의 발표에 따르면 메타의 AI 크리에이터 어시스턴트는 [...]
새로운 앱은 현재 선택된 크리에이터들과 테스트 중이며, 최근에 출시한 Facebook의 AI 크리에이터 어시스턴트를 내장하고 있습니다.
지난 3년 동안 "메타"와 "레이번"은 스마트 글래스 시장에서 동의어로 여겨졌습니다. 그런데 이제는 그럴 수 없습니다. 어제, 나는 메타 글래스 3개 종류와 7가지 색상으로 여러 pairs를 착용했습니다. 그 중 하나는 사회인물들과 협력한 제품으로, 여러 번 메타의 홍보 담당자들로부터 여러 번 이 제품이 멋지다고 말했습니다.
뉴욕, 미국 - 구글(Google)과 메타(Meta)가 개발한 대규모 언어 모델(LLM)은 AI 연구자들이 새로운 기술을 개발하고 검증하기 위해 사용하는 중요한 도구입니다. 그러나 이 모델을 사용하면 데이터를 사용하는 방식에 대한 새로운 논쟁이 일어나고 있습니다. 대규모 언어 모델(LLM)은 텍스트를 이해하고 생성하는 데 사용되는 AI 기술입니다. 이 모델은 구글과 메타가 개발한 'Llama
자율적이고 주체적인 AI 시스템은 대규모 언어 모델(LLM)에 의해 구동되며 새로운 보안, 개인정보 보호 및 준수성 문제를 도입한다. 이러한.agent가 도구를 호출할 수 있고 데이터를 조작할 수 있고 소프트웨어를 설치할 수 있고 조직간 경계를 넘어 peer agent들과 협력할 수 있기 때문에, 인증 및 접근 제어만으로는 충분하지 않다. 대신, 이 agent가 허용되거나 금지되는 것이 무엇
샌프란시스코 반도(Silicon Valley)에서는 이년 초에 Tokenmaxxing이 가장 뜨거운 트렌드였다. CEO들은 직원들에게 AI를 사용할 수 있는 한계를 무한대로 높이는 것을 장려했다. 그런데 결제 시기가 다가왔다. 유버는 한 해에 지급된 AI 예산을 몇 달 만에 모두 소진했다고 보고되며, 일부 회사는 조각 라이센스를 일부 부서에 제한하고, 메타는 내부 랭킹을 폐지했다. Token
인공지능(AI)은 요즘 일정에 항목을 넣는 데는 꽤 믿을만큼 정확하지만, 이번 주말에 무엇을 해야 하는지에 대한 관련된 중요한 질문에 아직까지는 못 이긴다. 메타(Meta)의 새로운 검색 AI 모드(AI Mode)가 유용한 도구가 될 수도 있지만, 오류를 뽑지 않게 배워야 한다. AI Mode는 [...]
메타는 최근 월요일에 페이스북(Facebook)에 새로운 인공지능(AI) 기능을 여러 가지 출시했다고 발표했다. 이 새로운 기능은 메타가 인공지능 경쟁에서 뒤지지 않도록 하고 사용자들이 플랫폼에 더 많이 참여하도록 하기 위한 노력의 또 다른 증거이다.
페이스북은 사용자의 공공 게시물이 AI 생성된 결과를 제공하는 새로운 AI 모드 검색을 출시했습니다. 이 모드는 사용자가 페이스북에서 검색할 때 'AI 모드' 옵션과 함께 '사람'과 '마켓플레이스'와 같은 일반적인 검색 모드와 함께 표시됩니다. 페이스북은 오늘부터 시작하여 대규모 언어 모델(LLM)과 같은 새로운 AI 기능을 출시할 예정입니다.
메타는 중국 정부의 요구에 따라 대규모 언어 모델(LLM) 인 매뉴스 인수를 취소하기로 결정했다. 이 인수는 2조 원에 달하는 대규모 금액으로, 메타의 AI 기술 개발에 중요한 역할을 할 것으로 기대됐다.
새로운 보고서는 이 단위가 6,500명의 직원을雇용하고 있는 중에 반란에 cận전 상태에 있다고 제시했다.
IPO 시장은 다시 돌아왔는데, 이번에는 FAANG(파인테크, 애플, 아마존, 넷플릭스, 구글)가 아니라 새로운 단어인 MANGOS(메타, 앤서픽, 엔비디아, 구글, 오픈아이, 스페이스엑스)가 주도하고 있습니다. 이 중 절반의 회사들이 같은 기간에 공모주 시장에 진입할 것이고, 투자자, 평가금액, 그리고 [...]
IPO 시장은 돌아왔고, 이에 앞서 주도하던 기업은 이제 다르다. FAANG가 좋은 성적을 거둔 것은 사실이지만 새로운 약어 MANGOS가 대세를 이끌고 있다. -Meta(메타) 또는 Microsoft(마이크로소프트)이라는 점에서 누구에게 물어봐도 -, Anthropic(안토픽), Nvidia(엔비디아), Google(구글), OpenAI(오픈AI), SpaceX(스페이스엑스)까지. 이 그룹
작고 간소한 언어 모델(LM)은 도구 agent의 비용, 지연 시간, 배포 위험을 줄여주지만, MCP-style 도구 사용은 단순한 함수 호출만으로는 충분하지 않다. 이에 대해, Evoflux는 inference-time 진화 검색 방법을 소개하여, compact tool use를 tool workflow의 수정으로 다루고 있다.
메타는 인도에서 첫 번째 AI 데이터 센터 계약을 레나티와 체결했습니다. 이 데이터 센터는 168메가와트의 용량을 가지고 있으며, 글로벌 AI 계산 요구를 지원할 것입니다.
메타는 클릭바이트 글을 만드는 AI를 개발하여, 독자들에게 클릭바이트 스타일의 뉴스를 제공합니다. 이 뉴스는 AI가 생성한 주제, 이미지, 텍스트를 사용합니다. 그러나 AI가 생성한 뉴스의 신뢰도는 의심스럽습니다.
Meta는 5월 10일부터 5월 12일까지 3일간에 걸쳐 AI 모델을 사용해 3D 게임을 제작한 결과를 발표했습니다. 이 게임은 Meta가 개발한 대규모 언어 모델(LLM)과 AI가 협력하여 제작되었습니다. 이 게임은 '하이퍼 프로젝트'라고 불리며, 플레이어는 파라곤 시티를 탐험하고 다양한 미션을 수행하는 것을 목표로 합니다. 게임은 AI가 생성한 3D 환경과 NPC를 통해 플레이어의 경험을
today의 The Download 이라는 주간 뉴스레터의 일부로, 기술 세계에서 일일로 무슨 일이 일어나는지 알려줍니다. Meta 해킹은 AI 보안에 Mythos 외에도 더 많은 것을 의미한다는 것을 보여줍니다. 월요일, Meta의 AI 고객 지원 에이전트를 이용해 인스타그램 계정을 탈취한 공격자가 있다는 보고가 나왔습니다. 그들의 접근 방식은...
Meta의 AI 고객 지원 대리인에 의해 이메일 주소를 조작하여 인스타그램 계정을 도난당했다. 공격자는 대리인에게 계정과 이메일 주소를 연결하도록 요청했고 대리인은 그에 따라 행동했다. 한 공격자는 잠재된 오바마 백악관 계정을 훔쳐서 이란에 대한 찬조를 보냈다.
대규모 시계열 모델(TSFM, Time Series Foundation Models)의 경우, 구조적으로 이상한 패치가 과도한 주의를 받고, zero-shot 예측 품질이 침체 상태에 빠지게 된다. 이에 따라 모델의 정확성을 inference 시에 개선하기 위해, 모델의 가중치를 수정하는 대신 입력 컨텍스트를 최적화하는 방법을 제안한다. Gate, Router, Critic로 구성된 가벼운