🤖 모델 & 제품 (10/22건)
수학과 이론 컴퓨터 과학의 10가지 발전
OpenAI는 기하학, 암호화 및 복잡성의 발전을 포함하여 수학과 이론 컴퓨터 과학의 오랫동안 공개된 문제에 대한 새로운 결과를 공유합니다.
유럽 전역에서 책임 있는 AI 발전
OpenAI는 안전, 보안, 투명성 및 출처 관행이 유럽에서 책임감 있는 AI 거버넌스를 지원하는 방법을 공유합니다. EU AI법이 발전함에 따라 이 작업은 계속될 것입니다.
풍부한 지능 구축
고급 AI를 더욱 유능하고 저렴하며 더욱 광범위하게 유용하게 만드는 풀 스택 접근 방식입니다.
Univé는 AI 지원 인력을 구축합니다.
Univé가 리더십, 책임 있는 거버넌스, 직원 주도 혁신을 결합하여 대규모로 업무를 혁신함으로써 ChatGPT Enterprise를 통해 AI 지원 인력을 구축한 방법을 알아보세요.
범죄적 사기 작전 방해
OpenAI는 투자, 로맨스, 도박, 사칭 계획을 지원하기 위해 ChatGPT를 사용하여 캄보디아 기반 사기 작전을 중단했습니다.
참조가 포함된 비디오 1.5를 상상해 보세요.
이제 텍스트, 이미지, 음성 참조가 포함된 최고의 비디오 모델이 최대 1080p까지 생성됩니다.
GPT-5.6으로 가격 대비 성능의 한계를 뛰어넘다
Luna 및 Terra의 저렴한 GPT‑5.6 가격을 살펴보고 OpenAI의 보다 효율적인 모델이 기업이 AI 워크플로를 대규모로 배포하는 데 어떻게 도움이 되는지 알아보세요.
사이버 보안 평가에서 세 가지 실제 사건 조사
사이버 보안 평가 기록을 검토한 결과 Claude 모델이 제3자 평가 환경 내에서 또는 제3자 평가 환경과 상호 작용하는 동안 인터넷에 접속한 다음 세 가지 다른 조직의 실제 시스템에 대한 무단 액세스를 얻은 세 건의 사건을 발견했습니다. 아래에서는 무슨 일이 일어났는지, 어떻게 발생했는지, 그리고 변경되는 사항에 대해 설명합니다. 우리는 다른 AI 연구실에서도 PE를 수행하도록 권장합니다.
Grok Voice Think Fast 2.0 소개
가장 유능한 음성 음성 변환 음성 모델을 소개합니다.
Gemini API 관리 에이전트: 3.6 플래시, 후크 등
관리형 에이전트 Gemini 3.6 플래시, 후크 및 트리거
🌎 업계 동향 (10/130건)
LLM 생성 코드를 수동으로 다시 입력하여 인지 부채 방지
해커뉴스 (141포인트, 110댓글)
AI 생산성 격차
AI로 인한 생산성 향상이 여전히 작은 이유
Show HN: Nightcrawler – 스마트폰에서 실행되는 로컬 AI 침투 테스트 에이전트
로컬 AI 기반 레드티머가 휴대폰으로 작동합니다. GitHub에 계정을 만들어 Garagehq/nightcrawler 개발에 기여하세요.
Marc Benioff가 지원하는 스타트업은 AI가 AI 배포 문제를 해결할 수 있다고 생각합니다.
June은 AI 채택을 더 쉽게 만들기 위해 2천만 달러의 사전 시드 라운드를 통해 오늘 비밀에서 벗어났습니다.
중국의 알리바바가 미국의 AI 패권을 다시 한 번 강타했습니다.
중국의 거대 기술 기업 알리바바(Alibaba)는 자사의 가장 크고 "현재까지 가장 유능한 AI 모델"을 발표했으며, 성능이 미국 개척 연구소인 Anthropic 및 OpenAI뿐만 아니라 Moonshot AI의 Kimi K3와 같은 국내 라이벌의 최고의 시스템과 맞먹는다고 주장했습니다. 알리바바는 Qwen3.8-Max 모델을 사용자들이 널리 사용할 수 있도록 만들고 있다고 밝혔습니다.
qm – 업무용 멀티플레이어 에이전트 하네스
업무용 멀티플레이어 에이전트 하네스. GitHub에 계정을 만들어 yc-software/qm 개발에 기여하세요.
DeepSeek V4 Flash 0731 인텔리전스, 성능 및 가격 분석
DeepSeek의 DeepSeek V4 Flash 0731(Reasoning, Max Effort) 분석 및 품질, 가격, 성능(초당 토큰 및 첫 번째 토큰까지의 시간), 컨텍스트 창 및 기타 주요 지표를 포함한 다른 AI 모델과의 비교 더.
Google은 AI 덕분에 6월에 지난 2년보다 더 많은 Chrome 버그를 수정했습니다.
Chrome은 Gemini AI를 사용하여 취약성 검색, 분류, 패치 적용을 자동화하고 최신 보안 위험에 맞춰 업데이트를 가속화합니다.
클로드는 인터넷에 악성코드를 유포하고 실제 기업 3곳을 공격했다.
해킹이 기존 방법을 사용했다면 누군가 감옥에 갔을 가능성이 높습니다.
구조화된 AI 데이터 파이프라인은 자유 형식 코드보다 10.9점 낮습니다. DataFlow-Harness가 격차를 줄입니다.
단일 JSON 파일을 구문 분석하기 위해 독립형 Python 스크립트를 작성하도록 AI 코딩 에이전트에 요청하면 몇 초 안에 완벽한 답변을 얻을 수 있습니다. 그러나 수천 개의 지저분한 문서 수집, 텍스트 청크 처리, 품질 점수 매기기, RAG(Retrieval-Augmented Generation) 시스템에 대한 노이즈 필터링 등 체계적인 데이터 처리 파이프라인 구축을 요청하면 동일한 에이전트가 중단되는 경우가 많습니다.
📚 논문 & 연구 (18/114건)
ExtractBench: 스키마 기반 기업 문서 추출을 위한 벤치마크
기업 워크플로는 \emph{스키마 기반 추출}을 위해 에이전트에 점점 더 의존하고 있습니다. 문서와 사용자 정의 스키마가 주어지면 에이전트는 스키마를 충실히 따라 소스 증거를 기반 메타데이터로 사용하여 올바른 출력을 생성합니다. 우리는 스키마 기반 추출을 위한 벤치마크인 ExtractBench를 제시하며, 우리가 아는 한, 최초로 값 정확도, 규모에 따른 기록 완전성, GR 점수를 매겼습니다.
FDD-ON 개발: VAV HVAC 시스템 오류 감지 및 진단을 위한 온톨로지
결함 감지 및 진단(FDD) 기술은 HVAC 시스템 신뢰성, 에너지 효율성 및 유지 관리 효율성을 향상시키는 데 필수적입니다. 그러나 건물에 FDD 솔루션을 효과적으로 배포하려면 이기종 데이터 소스, 다양한 장비 유형 및 다양한 진단 결과를 연결할 수 있는 구조화된 도메인 지식이 필요합니다. 제한된 데이터 해석성 및 상호 운용성
AgentHPOBench: LLM 에이전트를 순차적 하이퍼파라미터 최적화 도구로 평가하기 위한 벤치마크
LLM이 코드 완성 시스템에서 자율적인 과학 에이전트로 발전함에 따라 실험 수행 능력을 평가하는 것이 점점 더 중요해지고 있습니다. 기존 벤치마크는 일반적으로 정적 코드 생성, 문서 복제 또는 최종 답변 정확성에 중점을 두지만 에이전트가 실험적 증거를 해석하고 이를 사용하여 후속 하이퍼파라미터 dec을 안내할 수 있는지 여부를 직접 평가하지는 않습니다.
소크라테스 테스트의 이론적 기초: 동적, 다중 모드, 대화형 시험
전통적인 정적 평가는 종종 야망에 불이익을 주고 진단 피드백을 모호하게 만드는 감산 적자 기반 채점 모델에 의존합니다. 반대로, 전통적인 대면 구술 시험은 학업 계층에 내재된 사회학적 권력 불균형과 수행 불안을 악화시킴으로써 구조와 무관한 심각한 차이를 도입합니다. 이 논문은 이론적 기초를 제시합니다.
CENDRe: 자연 도메인 표현을 사용한 개념 추출
CNN(컨벌루션 신경망)은 시계열 분류에 널리 사용되지만 중요한 도메인에 배포하려면 예측을 주도하는 시간적 및 스펙트럼 패턴을 이해해야 합니다. 개념 추출(CE) 방법은 모델의 잠재 공간 내 표현을 분석하여 이러한 패턴을 식별합니다. 그러나 기존 시계열 CE 방법에는 세 가지 제한 사항이 있습니다.
정책 내 상호작용은 언제 도움이 됩니까? 가치 기반 모방 학습의 표현적 절충
모방 학습(IL)---시연에서 전문가의 행동을 복제하도록 에이전트를 훈련시키는 것---로봇 공학에서 언어 모델 훈련에 이르는 응용 프로그램을 뒷받침합니다. 행동 복제(BC)와 같은 표준 접근 방식은 특히 학습자가 전문가의 정책을 완벽하게 표현할 수 없는 경우(예: 증류에서 일반적으로 발생하는 경우) 복합 오류 및 성능 정체 현상을 겪는 것으로 알려져 있습니다. 둘
회귀 및 클러스터링에 적용되는 차등 비공개 비모수적 모달 학습
밀도 모드는 다중 모드 분포에 대한 지역화되고 해석 가능한 요약을 제공하지만 엄격한 차등 개인 정보 보호 제약 조건에 따른 추정은 아직 대부분 탐구되지 않은 상태로 남아 있습니다. 우리는 국소 평활도, 곡률 및 분리 조건에서 다변량 분포에 대한 밀도 모드의 차등 비공개 복구를 연구합니다. 우리는 다음을 수행하는 평균 이동 영감 방법인 DP-GRAMS를 제안합니다.
Muon의 부호 압축: SignMuon, MuonSign 및 오류 피드백의 한계
SignMuon은 요소별 부호를 취하여 Muon 업데이트를 매개변수당 1비트로 압축하여 매우 낮은 통신 예산으로 매트릭스 인식 최적화 프로그램을 실행할 수 있는 가장 직접적인 방법을 제공합니다. 실제로는 SignSGD보다 성능이 뛰어나지만 선형 함수에서도 상승할 수 있습니다. LMO(Linear Minimization Oracle) 이후가 아닌 이전에 그래디언트에 서명하면 이 문제가 해결되지 않습니다.
동결 후 선택: 희소 관측에서 PDE 발견을 위한 구조화된 필드 어댑터 및 안정성이 검증된 약한 선택
희소한 관측치로부터 PDE를 발견하려면 연속형 필드를 재구성하고 올바른 미분 항을 선택해야 합니다. 결합 신경 PDE 발견의 최적화 경로 분석은 세 가지 동작을 보여줍니다. 즉, 정확한 지원은 훈련이 끝날 때까지 지속될 수 있고, 일시적으로만 나타나거나 나타나지 않을 수 있습니다. 신경 최적화에서 방정식 선택을 분리하기 위해 우리는 동결 후-
GQ-FSL: 녹색 양자화 연합 분할 학습
무선 에지에 최첨단 심층 신경망(DNN)을 배포하면 모바일 장치의 엄격한 에너지 및 리소스 제약으로 인해 심각한 병목 현상이 발생합니다. FSL(Federated Split Learning)은 워크로드를 에지 서버로 오프로드하여 온디바이스 계산을 완화하지만 이로 인해 시스템적인 오버헤드가 발생할 수 있으며, 컷 레이어 데이터와 하위 모델의 지속적인 교환으로 인해 여전히 상당한 비용이 발생합니다.
QASP: 쿼리 적응형 강력한 벡터 검색 정책
벡터 검색의 근본적인 과제는 계산 비용을 최소화하면서 지속적으로 높은 재현율을 달성하는 것입니다. 고정 검색 매개변수는 쿼리 전반에 걸쳐 상당한 성능 차이를 일으키며, 평균 재현율에 대한 기존 평가는 이러한 쿼리별 차이를 가려줍니다. qu당 전체 회상 진행 곡선을 예측하는 QASP(Query-Adaptive Robust Vector Search Policy)를 소개합니다.
부분은 합보다 큽니다: 다중 정책 LLM의 효율적인 교육을 위한 자동화된 작업 순서 지정
PEFT(Parameter-Efficient Fine-Tuning)는 일반적으로 단일 공유 LoRA(Low-Rank Adapter)를 사용하여 대규모 언어 모델을 조정합니다. 이 공유 최적화 공간은 이기종 작업 순서를 조정할 때 간섭으로 인해 종종 어려움을 겪으며 전송 불량 및 치명적인 망각으로 이어집니다. 기존 접근 방식은 주로 매개변수 용량을 늘리거나 여러 광고를 구성하여 어댑터 표현력을 향상시킵니다.
TokTier: Agentic LLM 서비스를 위한 정확한 상태 저장 토큰화
LLM 제공 시스템 캐시 프롬프트 KV 상태이지만 대부분의 프런트 엔드는 여전히 모든 호출에서 전체 요청 텍스트를 다시 토큰화합니다. 각각의 작은 도구 결과 후에 긴 기록을 다시 제출하는 코딩 에이전트에 비용이 발생하며, 짧은 추가라도 이전 시퀀스의 끝 부분에서 토큰 경계를 변경할 수 있기 때문에 재사용이 어렵습니다. 두 에이전트 에코시스템의 153,951개 통화에서 중간 통화는
주파수 구조의 의미 공간에서 언어 구성의 진화
반복 학습 모델은 언어 진화를 조사하기 위해 도입되었습니다. 인간 언어의 특징적인 속성이 적어도 부분적으로 한 언어 사용자에서 다른 언어 사용자로의 반복적인 전송에 의해 형성되는 방식입니다. 핵심 발견은 언어가 언어 학습 병을 통해 반복적으로 전달된 결과로 언어 구성성이 자발적으로 발생할 수 있다는 것입니다.
WCM: 시각-언어-행동 강화 학습을 위한 세계적 비평 모델
VLA(Vision-Language-Action) 모델의 강화 학습(RL) 사후 교육은 로봇 조작에 대한 강력한 가능성을 보여주었습니다. RL 방법 중에서 비판 기반 접근 방식은 주로 단일 프레임 관찰 또는 단일 프레임 VLM 백본 잠재에서 작동하는 값 추정기에 의존하며, 이는 로봇 제어의 부분적으로 관찰 가능한 특성과 근본적인 불일치입니다. 순진한 접근 방식
ResKV: 고정 예산 KV 캐시 압축을 위해 누락된 Attention 기여 재구성
KV 캐시 압축은 효율적인 장기 컨텍스트 추론을 위해 필수적입니다. 기존 퇴거 방법은 선택되지 않은 토큰을 영구적으로 폐기하고 결과적으로 관심에 대한 총 기여도를 제거합니다. 병합 기반 대안은 더 많은 정보를 보존하지만 정확하게 유지되어야 하는 유지된 키와 값을 교란시킬 수 있습니다. 우리는 캐시 제거에 의해 생략된 정보가 다음과 같이 공식화될 수 있음을 관찰했습니다.
아첨은 협력적인 비전-언어 작업에서 인식론적 경계를 약화시킵니다.
협력적 대화에서 공통점을 유지하기 위해 인간은 대화 참가자가 새로운 정보를 공유함에 따라 자신의 신념을 반복적으로 업데이트합니다. 인식적으로 경계하는 참가자는 새로운 정보가 이전 신념과 충돌하는 경우를 감지하고 이러한 충돌을 복구하기 위한 조치를 취합니다. AI 시스템이 복잡한 협력 작업에서 신뢰할 수 있는 파트너 역할을 하려면 다음과 같은 점을 고려해야 합니다.
ARB: AI 텍스트 탐지기 평가를 위한 일치된 저자 재작성 벤치마크 데이터 세트
표준 AI 텍스트 감지 벤치마크는 사람이 작성한 텍스트와 LLM(대형 언어 모델)에서 직접 생성한 텍스트를 비교합니다. 이전 연구에서는 재작성 및 패러프레이징이 탐지기 성능을 저하시킬 수 있음을 보여주었지만, 이 기존 벤치마크에서 측정된 성능이 LLM에 의해 사람이 작성한 콘텐츠를 재작성할 때 탐지기 동작을 예측하는지 여부는 여전히 불분명합니다. 이러한 격차를 해소하기 위해
🎥 영상 & 튜토리얼 (3/10건)
또 다른 DeepSeek 순간이 왔습니다
❤️ 여기에서 Lambda를 확인하고 GPU 클라우드에 가입하세요: https://lambda.ai/papers 📝 DeepSeek v4 Flash 0731: https://huggingface.co/deepseek-ai/DeepSeek-V4-Flash-0731 DeepSeek API: https://platform.deepseek.com/ 🙏 Two Minute Papers를 가능하게 해주신 관대하신 Patreon 후원자: Adam Bridges, Benji에게 감사드립니다. 라반, B 샹, 카메론 네이버, 찰스 이안 노먼 벤,
우리는 매일매일 '자비스'에 가까워지고 있습니다!
AI를 나만의 개인 Jarvis로 전환하는 방법은 다음과 같습니다. 🤖 ChatGPT 및 Claude의 음성 기능을 사용하면 이제 완전히 핸즈프리로 실시간으로 대화형 3D 디자인을 구축, 편집 및 반복할 수 있습니다. 저는 음성 명령을 사용하여 3D 아이언맨 슈트를 생성하고, 헬멧의 크기를 조정하고, 색상을 변경하고, 태양광 패널을 즉석에서 추가하기도 했습니다. 이러한 음성 기능은 현재 두 플랫폼 모두에서 무료로 사용할 수 있습니다(
Anthropic이 방금 인디 해커를 죽였나요...?
무료로 Blacksmith를 사용해 GitHub Actions를 2배 더 빠르게 실행하세요. - https://www.blacksmith.sh/ Anthropic이 방금 Opus 5를 출시했고 인디 해커의 꿈이 무너질 수도 있습니다. 자세히 살펴보겠습니다. #coding #programming 더 많은 Fireship을 원하시나요? 🗞️ 뉴스레터: https://bytes.dev 🧠 강좌: https://fireship.dev