AI 모델 7월 7일
의학 진단을 위한 증거 탐색에 대한 강화 학습: 대규모 언어 모델(LLM)의 전략적 증거 취득
의학 진단은 증거를 탐색하고 strategical하게 취득하는 반복적인 탐구 과정입니다. 새로운 강화 학습 방법을 통해 대규모 언어 모델(LLM)을 진단의 보조자로 만드는 연구를 소개합니다.
#추론
574개의 기사
AI 모델 7월 7일
<span style='color:blue'>오이스터-II: 대규모 언어 모델의 안전한 동맹 강화</span>
대규모 언어 모델(LLM)은 다양한 응용 분야에서 놀라운 능력을 демон스트레이션했지만, 동시에 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장하는 것은 지속적인 문제입니다. 오이스터-I의 안전한 동맹 패러다임을 개선한 오이스터-II는 RL-Based Constructive Safety Alignment Framework를 제안하여 대규모 언어 모델(LLM)의 안전성, 도움이 되고 신뢰할 수 있는 모델을 보장합니다.
AI 모델 7월 7일
불확실성에 기반한 LLM 지원: 부분 관찰 가능성下的ASK in the Dark
인공 지능이 일부 정보만을 이용하여 행동하는 경우, 미리 설정된 사고 방식을 가지고 있는 작은 언어 모델(Small Language Model, SLM)이 이러한 상황에 자연스럽게 도움을 줄 수 있다. 하지만 이러한 SLM의 도움을 이런 상황에 통합하는 것은 쉽지 않았다. 모든 테스트 환경에서, 기본적인 불확실성에 대한 접근 방법은 SLM이独立적으로 행동하는 경우가 거의 없다는 뜻으로, 거의
AI 모델 7월 7일
iFLYTEK-인체와 상호작용하는 모든 기술 보고서
대규모 언어 모델(LLM)과 같은 일반적인 몸체 있는 agent는 다중 모드 지시를 이해하고, 환경이 어떻게 진화할 것인지 예측하고, 장기적인 시야에서 정확한 제어 액션을 생성해야 합니다. 기존 접근 방식은 일반적으로 시각-언어 추론, 비디오 기반 월드 모델링, 또는 액션 생성에 특화되어 있으며, 관찰을 미리 합성하고 나서 액션을 추론하는 계열 pipeline가 인터페이스 병목 현상을 유발하
연구 7월 3일
<span style='color:blue'>chain-of-thought 추론을 위한 제한된 감독 학습: 반감 Chain-of-Thought 학습</span>
chain-of-thought 추론은 대규모 언어 모델(LLM)에서 잠재적인 추론 능력을 활성화하는 효과적인 방법 중 하나입니다. 그러나 기존의 CoT 방법은 주로 추론 시에 사용되는 추론-chain을 재활용하여 semi-supervised learning signal로 사용하지 않습니다. 이 보고서에서는 Semi-supervised Chain-of-Thought Learning을 정의하고 Semi-CoT라는 간단한 framework를 제안합니다. Semi-CoT는 unlabeled question을 사용하여 pseudo reasoning supervision을 생성하고, pseudo-CoT demonstration을 선택하는 entropy gate를 사용합니다.
AI 모델 7월 3일
임베딩 전처리 없이 언어 모델의 자기 개선
RLVR(Reward Verifiable Reinforcement Learning)와 최근에 개발된 SDPO(self-distillation-based policy optimization)와 같은 기술은 각 에피소드에 대한 검증자와의 비교를 통해 정책을 업데이트합니다. 하지만 에피소드 내의 richer 절차 정보는 거의 보존되거나 재사용되지 않습니다. 에피소드와 에포크를 거치면서 모델은 정책
LLM PC 7월 3일
가능성 있는 행동 가능한 대체사유 설명을 위한 신경symbolic framework : PACE
counterfactual 설명은 머신 러닝 예측을 설명하기 위해 모델의 결정이 달라질 수 있는 최소한의 입력 변경을 식별하는 것입니다. 많은 기존 방법은 예측 변경을 생성하는 데 성공했지만 도메인 지식과 간섭 제약을 명시적으로 포함하는 기전이 부족하여 불현실적이거나 불가능한 추천을 생산하는 경향이 있습니다. 신경symbolic AI는 데이터 주도 예측 모델과 Symbolic 추론이 도메인
에이전트 7월 2일
농업 SAGE: 시뮬레이션 기반의 멀티 에이전트 LLM을 이용한 상황에 맞는 농업 सल롱 생성
농업 고문 시스템은 고전적인 농업 지침이 일관성 있는 증거 기반 추천을 제공하지만 계절 중간의 변동성과 동적 불확실성을 무시한다는 기본적 인 긴장감을 겪고 있다. 최근 대규모 언어 모델(LLM)으로 구동되는 고문 시스템은 신뢰할 수 있는 농업 지침을 제시하지만 생리학적으로 설득력이 없다고 판단되는 추천을 생성하는 위험을 부여한다. Agri-SAGE는 위 두 가지 한계를 해결하기 위해 데이터베
AI 모델 7월 2일
Seed2.0: 현실 세계 복잡성 해결을 위한 지능의 전진
Seed2.0 모델 시리즈는 복잡한 현실 세계 문제를 해결하는 데 의미 있는 발전을 이루었습니다. Seed2.0 모델은 사용자의 실제 필요를 파악하고, 이러한 필요를 기반으로 하는 현실적이고 복잡한 시나리오를 기반으로 하는 신뢰할 수 있는 평가 시스템을 구축합니다. Seed2.0 모델은 현실 세계의 복잡한 문제를 해결하는 데 필요한 두 가지 持続적인挑战, namely long-tail knowledge와 complex instruction following을 해결하였으며, 이러한 문제를 해결하는 데 있어 높은 신뢰성을 확보하였습니다. Seed2.0 모델은 또한 world-leading reasoning intelligence, visual understanding, and search capabilities를 제공하여, 다양한 사용자들의 일반적인 필요를 충족시키는 데 도움을 줍니다.
AI 모델 7월 2일
희귀병 진단을 넘어 인간의 어노테이션을 초과하는 자율적 의학적 사고 RareDxR1
다기성 질병의 차별진단은 치료가 매우 중요하지만도 어려운 임상 과제로, 의사들은 복잡하고 구조화되지 않은 환자 증상에서 정확한 현상 유형을 식별하고 광범위한 검색 공간 내에서 세밀한 논리를 수행해야 합니다. 그러나 기존의 AI 접근 방식은 일반적으로 pipe-line 기반의 현상 유형 추출 또는 검색-augmented 생성에 의존하며, 이는 사전 정의된 개념 체계, 검색 병목 현상 및 진단
연구 7월 2일
부정한 도덕성: 도덕 계산의 공간을 정의하는 것
윤리적 판단은 일반적으로 고정된 윤리 이론(의무 이론, 결과 이론, 도덕적 덕행 이론)에 따라 모델링되었습니다. 이들은 정적 규칙이나 가치 함수로 구현되었습니다. 우리는 Bounded Morality라는 형식적인 프레임워크를 제안합니다. 이 프레임워크는 유한한 agents가 직면하는 윤리적 문제의 계산적 수요를 분석하기 위해 사용됩니다. 허버트 시몬의 한계 합리성 개념을 확장하여, 우리는 윤
AI 모델 7월 2일
인공지능과 인간 상호작용의 선호도 동적 관리
인공지능(AI)과 인간의 선호도 조화에 대한 대부분의 접근 방식은 인간의 선호도를 추론하고 최적화하는 고정 목표로 다루어 왔습니다. 그러나 선호도는 상호작용 특히 적응 기술과 함께 생성되며 동적이고 층별로 구성된다는广泛한 실험적 증거와 충돌합니다. 인공지능 시스템이 더 지속적이고 개인화된 사회적으로 고정된 시스템으로 변할수록, 그들은 시간이 지남에 따라 사람들이 주의를 기울이며 가치하고 지지
AI 모델 7월 1일
A Three-Phase Foundation Model for Tax-Aware Personalized Portfolio Management
arXiv:2606.30997v1 Announce Type: new Abstract: We present a three-phase deep reinforcement learning system for personalized portfolio management that addresses three limitations shared by all prior f
연구 7월 1일
신경망-베이즈-symbolic 잔차 주의점 얕은 네트워크: 사이버 보안 위험 평가에 대한 설명 가능한 깊은 학습
신경망-베이즈-symbolic 잔차 주의점 얕은 네트워크(NBS-RASN)는 오픈 소스 생태계에서 설명 가능한 사이버 보안 위험 평가를 위한 하이브리드 신경망 아키텍처입니다. 깊은 모델들이 정확성에 대한 희생으로 해석성을 포기하는 것과는 달리, 우리의 얕은 네트워크는 80개의 해석 가능한 뉴런과 12개의 층으로 구성되어 있습니다. 또한, gatekeeper가 5개의 epistemological axioms(정확성, 유발성, 거부 가능성, 투명성, 완전성)를 강제로 적용하기 전에 전파를 진행합니다.
에이전트 7월 1일
법에 의한 여러 agent들의 의사결정 탐구
인공지능은 법학 분야에 점점 더 많이 적용되고おり, 정의에 대한 접근성을 증가시킬 수 있다. 하나의 특정 운동이 인기를 얻고 있는 것은, 대규모 언어 모델(LLM) 기반 인공지능 agent가 자율적인 행동을 할 수 있는 agentic AI이다. 법적 영역에서 다중 agent 접근 방식은 여전히 거의 탐구되지 않았다. 이 논문에서, 우리는 법적 추론 작업을 위한 LLM을 사용한 다중 agent
AI 모델 7월 1일
학습을 중단할 때는 언제 도움이 되는가? : 합리적 모델의 조기 종료에 대한 비용에 대한 연구
이 논문은 [논리 언어 모델](https://ko.wikipedia.org/wiki/%EB%85%BC%EB%A6%BC_%EB%9D%BC%EB%84%A4%EC%96%B8_%EB%AA%A8%EB%8D%B8)에서 [종료 규칙](https://ko.wikipedia.org/wiki/%EC%A2%85%EB%A3%8C_%EA%B3%84%EC%B8%B5)을 학습하는 방법에 대해 연구합니다. 논문은 [Le
AI 모델 7월 1일
BayesBench: 다중 회전 증거 축적 상황에서 LLM 믿음 경로 평가
대규모 언어 모델(LLMs)은 일반적으로 다중 회전 대화에서 사용되는데, 각 회전은 새로운 증거를 제공하여 환경에 대한 지식 불확실성을 줄여야 한다. 합리적으로 행동하려면 그러한 환경을 지배하는 미관찰된 양을 추론하고 증거가 누적될 때 그에 대한 신념을 업데이트해야 한다. 그러나 대부분의 평가에서는 단일 회전 형식에서 모델의 마지막 회전 답변만 점수를 매기고 이러한 과정을 조사하지 않는다.
에이전트 7월 1일
반복적인 프롬프트 최적화에 대한 대조성 반사
정보 검색에서 대규모 언어 모델(LLM)은 정보 검색을 위한 질의를发出하고 답변을 합성하며, 점점 더 정보 검색 평가에 대한 판단자로 역할을 한다. 이러한 agent를 제어하는 질의를 개선하는 것은 최적화 문제이지만, 실용적인 정보 검색 환경에서는 더 많이 debugging으로 보인다. 엔지니어들은 어떤 행동이 실패했는지, 근처의 행동이 여전히 작동했는지, 두 행동을 구분하는 것이 무엇인지,
산업 7월 1일
Nvidia 경쟁사 Etched, $5억 평가액 달성... AI 칩 1조 매출 기대
Nvidia와 경쟁하는 Etched는 AI 칩을 통해 inference 시스템에 1조 원의 계약을 체결했다고 밝혔다. Etched는 대규모 언어 모델(LLM)과 같은 AI 애플리케이션에 적합한 칩을 개발 중이다.
에이전트 6월 30일
Self-Supervised Theorem Discovery in a Formal Axiomatic System
arXiv:2606.28747v1 Announce Type: new Abstract: Recent artificial intelligence (AI) systems have shown remarkable progress in mathematical reasoning. Many existing approaches, including large language
에이전트 6월 30일
대리자적 피력: 대리자가 행동하기보다 멈추어야 할 때 알 수 있을까?
대규모 언어 모델(LLM) agent들은 여러 차례의 행동을 하면서 검색, 브라우징 인터페이스, 그리고 터미널 도구를 사용하여 사용자의 목표를 달성해야 합니다. 그러나 모든 목표가 명확히 지정되어 있거나 사용 가능한 환경에서 달성 가능하지는 않습니다. 이런 경우 신뢰할 수 있는 agent는 추가적인 상호 작용이 도움이 되지 않을 것임을 인식하고 더 이상의 도구 호출을 피해야 합니다. 우리는
연구 6월 30일
BV-Blend: 불확실성 가중치 역사적 기준선으로 안정적인 비평자 없는 강화 학습
비평자 없는 강화 학습에서 BV-Blend을 사용하면 불확실성 가중치 역사적 기준선으로 안정적인 강화 학습을 구현할 수 있습니다. 이 방법은 대규모 언어 모델(LLM)과 같은 큰 언어 모델을 위한 강화 학습에서 중요합니다.
연구 6월 30일
COMPASS: 통합 멀티모달 모델에서 구성-의도 지침을 기반으로 하는 지지
composition은 높은 수준의 시각적 의도입니다. 이 의도는 주체가 어디에 위치하고景면이 어떻게 조직되는지에 관해 규정합니다. 그러나 현재의 통합 멀티모달 모델은 세부적인 composition 인식에 대해 불신할 정도로 불안정하고 이러한 의도를 제어할 수 있는 생성을 힘들게합니다. 우리는 COMPASS를 제시합니다. COMPASS는 perception과 generation을 모두 포함하
에이전트 6월 30일
의료 도구 생물학적 우주 내 치료 논리 처리를 위한 인공지능 에이전트
치료를 위한 논리적 사유는 모든 치료 결정을 뒷받침하는 데 중요하며, 질병의 맥락, 동반 질병, 약물, 반대 여부, 그리고 발전하는 의학 지식과 적절한 치료를 선택하기 위해 통합된다. 이는 본질적으로 반복적인 과정을 의미하며, 후보 물건은 많은 제약을 고려하여 후보 물건을 개선하고 증거가 나오면 증거를 수집하고, 검증 가능한 원천에 근거하여 증거를 수집한다. 여기서 우리는 ATHENA-R1이