Viola AI Hub

호주 청소년 안전 청사진 소개Introducing the Australian Youth Safety Blueprint

OpenAI는 청소년을 보호하고 역량을 강화하는 더 안전한 AI 경험을 위한 6가지 기둥 로드맵인 호주 청소년 안전 청사진을 소개합니다.OpenAI introduces the Australian Youth Safety Blueprint, a six-pillar roadmap for safer AI experiences that protect and empower young people.

Google AI & Economy 팀에 새로운 전문가 합류New experts join Google’s AI & Economy team

녹색 격자 배경에 "AI & Economy Research Program" 텍스트, 오른쪽 하단에 Google G 로고Text "AI & Economy Research Program" all over a green grid background, with the Google G logo in the bottom right corner

Google과 함께 패션의 미래 공동 창조Co-creating the future of fashion with Google

Jane Wade 및 Sergio HudsonJane Wade and Sergio Hudson

임베디드 평가를 위한 Accenture와의 파트너십Partnering with Accenture on embedded evaluation

우리는 Accenture와 함께 최첨단 AI의 독립적인 평가를 진행합니다. 이는 Anthropic에 평가자를 임베딩하겠다는 최근 약속의 일부입니다. 우리와 Accenture 모두 향후 5년간 이 분야의 역량을 구축하기 위해 최소 10억 달러를 투자할 것으로 예상합니다.We’re partnering with Accenture on independent evaluation of frontier AI—part of our recent commitment to embed evaluators at Anthropic. Both we and Accenture expect to invest at least $1 billion to build capacity in this area over the next five years.

Grok Voice Transcribe 2.0 소개Introducing Grok Voice Transcribe 2.0

SpaceXAI의 최신 음성-텍스트 모델인 Grok Voice Transcribe 2.0을 발표합니다. 탁월한 정확도와 비용 효율성을 자랑합니다.Announcing SpaceXAI's newest speech-to-text model, with unparalleled accuracy and cost effectiveness.

Cooley, ChatGPT로 IPO 업무 가속화하는 방법How Cooley is accelerating IPO work with ChatGPT

Cooley는 IPO 프로세스에 지능을 도입하기 위해 ChatGPT Work를 구축하여 변호사가 문제를 더 일찍 파악하고 가장 중요한 판단에 집중하도록 돕습니다.Cooley built GO Public with ChatGPT Work to bring intelligence to the IPO process, helping lawyers surface issues earlier and focus judgment where it matters most.

법률 분야를 위한 Astra 소개Introducing Astra for Law

OpenAI for Law는 법률 분야를 위한 최첨단 지능, 맞춤형 펌 워크플로우, 연결된 법률 데이터 소스, 기밀 고객 작업을 위한 법률 등급 제어를 제공합니다.OpenAI for Law brings frontier intelligence for law, custom firm workflows, connected legal data sources, and legal-grade controls for confidential client work.

전 세계 데이터 탐색 용이성 증대Making global data easier to explore

UN 시스템 데이터 커먼즈 데이터 웹페이지UN System Data Commons Data webpage

생명 과학 검증 프로그램 소개Introducing the Life Sciences Verification Program

Anthropic은 신뢰할 수 있고, 해석 가능하며, 제어 가능한 AI 시스템을 구축하기 위해 노력하는 AI 안전 및 연구 회사입니다.Anthropic is an AI safety and research company that's working to build reliable, interpretable, and steerable AI systems.

노년층의 일상생활에서 AI 활용 지원Helping older adults use AI in everyday life

OpenAI와 AARP는 10개 미국 도시의 1,000명의 노년층에게 무료 실습 ChatGPT 워크숍을 제공하여 실질적인 AI 기술을 안전하게 구축하도록 지원합니다.OpenAI and AARP are bringing free, hands-on ChatGPT workshops to 1,000 older adults across 10 U.S. cities to build practical AI skills safely.

AI로 광고 재구상Reimagining advertising with AI

Sponsored Agents, 마케터를 위한 도구, HubSpot 및 Shopify와의 통합을 포함한 OpenAI의 새로운 AI 기반 광고 경험을 살펴보세요.Explore new AI-powered advertising experiences from OpenAI, including Sponsored Agents, tools for marketers, and integrations with HubSpot and Shopify.

Hex, GPT-6 Astra로 복잡한 분석을 시각적 보고서로 전환Hex turns complex analysis into visual reports with GPT‑6 Astra

GPT-6 Astra는 Hex의 데이터 에이전트가 답변을 직원들이 자랑스럽게 공유할 수 있는 대화형 시각 자료로 전환하도록 돕습니다.GPT-6 Astra helps Hex’s data agents turn answers into interactive visualizations that employees are proud to share.

Grok Build의 메모리Memory in Grok Build

Grok Build는 이제 세션 간에 컨벤션, 결정 및 프로젝트 사실을 전달합니다. 작업하는 동안 백그라운드에서 노트가 작성되며 프로젝트에 다시 돌아올 때 읽어집니다.Grok Build now carries conventions, decisions, and project facts from one session to the next. Notes are written in the background as you work and read back when you return to the project.

사회적 영향력을 위한 AIAI for Societal Impact

전문가와 지역 지도자들이 AI의 기회를 모두가 누릴 수 있도록 AI 혁신을 어떻게 활용하고 있는지 알아보세요.Explore this collection to see how experts and local leaders are using AI breakthroughs to ensure everyone can share the opportunity of AI.

과학 발전과 삶의 질 향상을 위한 AI 구축Building AI to accelerate science and improve lives

교사와 학생이 있는 교실, 의사와 환자 등 다양한 환경과 사람들을 보여주는 B롤 영상B-roll showing diverse environments and people, including a teacher and students in a classroom and a patient with a doctor

모든 언어를 위한 모든 사람을 위한 AIAI for everyone in every language

다양한 언어로 된 여러 단어가 천천히 확대되는 애니메이션Animation of several words in different languages slowly zooming past

Gemini 3.8 Live 및 3.8 Live Extended Thinking 소개Introducing Gemini 3.8 Live and 3.8 Live Extended Thinking

Pirate Face, LLM 모델을 삭제에서 구출Pirate Face Rescues LLM Models from Deletion

체크섬 검증된 마그넷 링크로서의 오픈 모델. 차단 불가능, 무리에 의해 운반됨.Open models as checksum-verified magnet links. Un-bannable, carried by the swarm.

AI와 크리에이티브 커먼즈의 파괴AI and the Destruction of the Creative Commons

해커 뉴스 (116점, 77개 댓글)Hacker News (116 points, 77 comments)

Jev를 (엉성한) 챗봇으로 만들었습니다I turned Jev into a (lousy) chatbot

Jev를 챗봇으로 만듭니다. GitHub에서 계정을 만들어 kyle-pena-nlp/jevchat 개발에 기여하세요.Turns Jev into a chatbot. Contribute to kyle-pena-nlp/jevchat development by creating an account on GitHub.

AI 코딩이 코드 품질을 저하시킨다면, 품질 관리를 제대로 하지 않는 것입니다If AI coding is lowering your code quality, you're not managing quality right

제가 보는 코딩 에이전트에 대한 일반적인 견해 중 하나는 다음과 같습니다. “물론 AI는 더 많은 코드를 출력하는 데 도움이 되지만, 품질이 저하되지 않을까요?”One common take on the coding agents that I see goes something like this: “Sure, AI helps you output more code, but won’t the quality suffer?”

AI 산업, 정말 속도 조절할 준비가 되었나?Is the AI industry really ready to slow down?

Equity에서는 AI 경영진들이 정말로 속도 조절을 원하고 있는지 토론했습니다.On Equity, we debated whether Ai executives are serious about wanting to slow down.

Nvidia의 젠슨 황이 AI에 대한 두려움이 과장되었다고 생각하는 것에 아무도 놀라지 않다.No one is surprised that Nvidia’s Jensen Huang thinks AI fears are overblown.

AI 붐으로 가장 많은 돈을 벌 수 있는 사람은 수십 년 동안 AI를 연구하고 작업해 온 연구자들보다 자신이 더 잘 안다고 생각하는 것 같습니다. CBS Sunday Morning과의 인터뷰에서 그는 AI가 종말을 맞이할 "0%의 확률"이라고 주장했습니다. [...]The man who may stand to make the most money from the AI boom seems to think he knows better than anyone else, including researchers who have studied and worked on AI for decades. In an interview with CBS Sunday Morning, he claimed there was a "0% chance" of AI being the end of the [&#

트럼프, 이제 'AI 포스'를 구성하고 싶다고 말해Trump now says he wants to form an ‘AI Force’

대통령은 Truth Social에 새로운 'AI 포스'를 이끌 'AI 차르'를 임명하고 싶다고 게시했습니다. 그는 AI 개발에 제동을 걸어야 한다는 정치권 전반과 업계 내부의 증가하는 요구 속에서 이 발표를 했습니다. 그는 자신의 행정부가 "어떤 식으로든 방해하지 않을 것"이라고 게시했습니다. [...]The president posted on Truth Social that he wanted to appoint an "AI czar" to lead a new "AI force." He made the announcement amid growing calls from across the political spectrum and even within the industry to pump the brakes on AI development. He posted that his administratio

에너지 시스템에 대한 최대 사이버 보안 위험은 여전히 악의적인 AI가 아닌 인간Humans, not rogue AI, are still the biggest cybersecurity risk to energy systems

최근 유명 해킹 사건으로 AI가 "모든 인간을 죽일" 가능성에 대한 우려가 제기되기 전에도, 우리 에너지 시스템은 이미 사이버 공격에 놀라울 정도로 취약했으며 그 위험은 증가하고 있습니다. "우리는 항상 먹잇감이었다. 우리는 단지 포식자들의 식욕에 살아남고 있었을 뿐이다"라고 Joshua Corman, 공공 안전 및 복원력 담당 임원이 말했습니다. [...]Before recent high-profile hacks raised the specter of AI possibly "killing all humans," our energy systems were already disturbingly vulnerable to cyberattack - and the risk is growing. "We were always prey. We were just kind of surviving at the appetite of our predators," Joshu

AI 생성 포스터가 끔찍할 필요는 없습니다AI-generated posters don’t have to be horrible

Hacker News (1775점, 910 댓글)Hacker News (1775 points, 910 comments)

Claude Code 릴리스 노트Claude Code now reads AGENTS.md if there is no Claude.md

버전별 새로운 기능, 개선 사항 및 버그 수정을 포함한 Claude Code 릴리스 노트입니다.Release notes for Claude Code, including new features, improvements, and bug fixes by version.

OpenAI의 에이전트 플랫폼을 설치한 기업의 69%가 이를 기본으로 사용합니다. Anthropic의 Claude 플랫폼은 38%입니다69% of enterprises that install OpenAI's agent platform make it primary. For Anthropic's Claude Platform it's 38%

8월의 새로운 VB Pulse 데이터에 따르면, OpenAI의 에이전트 플랫폼을 사용하는 기업은 Anthropic의 플랫폼을 사용하는 기업보다 훨씬 더 많이 구축하는 것으로 나타났습니다. OpenAI의 Agents SDK 또는 Responses API를 에이전트 스택의 어딘가에 보유한 75개 기업 중 52개(69%)가 이를 기본 오케스트레이션 플랫폼으로 명명했습니다. Claude Platform 및 Agent Skills를 보유한 45개 기업 중 17개(38%)가 동일한 작업을 수행했습니다. 두 플랫폼 모두 사용하는 기업은 두 그룹Enterprises that use OpenAI's agent platform are far more likely to build on it than enterprises that use Anthropic's, according to new VB Pulse data from August. Of the 75 enterprises that have OpenAI's Agents SDK or Responses API somewhere in their agent stack, 52, or 69%, name it t

AI 시대에도 여전히 중요한 사이버 보안의 기본Why the basics still matter for cybersecurity in the AI era

AI 시대에도 여전히 중요한 사이버 보안의 기본 게시물이 Source에 처음 게재되었습니다.The post Why the basics still matter for cybersecurity in the AI era appeared first on Source.

AI가 정말 우리 모두를 죽일 수 있을까? 여러분의 질문에 답합니다.Could AI really kill us all? Your questions, answered.

수요일, MIT Technology Review는 구독자를 대상으로 'AI가 정말 우리 모두를 죽일 수 있을까?'라는 모두가 궁금해하는 질문을 던지는 라이브 라운드테이블 이벤트를 개최했습니다. 하지만 참석자들은 30분 세션에서 다루기에는 너무 많은 질문을 가지고 있었습니다. 그래서 저희 수석 AI 편집자인 Will Douglas Heaven과 함께...On Wednesday, MIT Technology Review hosted a live Roundtables event for subscribers that asked the question everyone’s asking right now: Could AI really kill us all? But attendees had so many more questions than we had time to answer in the 30 minute session. So we asked our senior AI editor Will Do

AI 워터마킹 사용 시 LLM은 유해한 프롬프트에 다르게 응답합니다LLMs respond differently to harmful prompts when AI watermarking is used

SynthID는 모델이 그렇지 않으면 거부할 유해한 지침을 따르게 할 수 있습니다.SynthID can cause models to follow harmful instructions they would otherwise refuse.

voxium 인용Quoting voxium

대기업에서 새로운 직무를 시작한 지 보름이 되었습니다. 이곳에서는 아무도 아무것도 모릅니다. 사양, 코드, 테스트, PRD, 티켓, 티켓 해결, 보고서 등 모든 것이 Claude Code로 만들어졌습니다. 저희 팀 누구도 이것을 좋아하지 않습니다. 그들은 가능한 한 많이 출시하도록 강요받고 있습니다. 저는 고위 경영진으로부터 코드를 푸시하는 것이 병목 현상이 아니므로 왜 우리가 느린지에 대해 여러 번 들었습니다. 사람들은 단순히 Enter 키를 누르기 위해 하루에 12~13시간씩 일하고 있습니다. 아무도 아무것도 읽지 않습니다.It has been half a month since I started a new role at a big company. Nobody knows anything here. The specs, code, tests, PRDs, tickets, resolution of those tickets, reports, etc., everything is made by Claude Code. Nobody on my team likes this. They are being forced to ship as much as they can. I h

llm-keys-ui 0.1llm-keys-ui 0.1

릴리스: llm-keys-ui 0.1 이 플러그인은 매우 구체적인 문제를 해결합니다. 저는 다양한 기계에서 코딩 에이전트를 실행하고 휴대폰으로 제어하기 위해 Codex Remote를 사용하기 시작했습니다. 때때로 저는 LLM 프로젝트를 해킹하기 위해 이러한 기계를 사용하며, 이는 API 키를 구성해야 함을 의미하기도 합니다. 에이전트 세션에 API 키를 붙여넣는 것을 좋아하지 않으므로, ChatGPT 앱에 직접 붙여넣지 않고 기계에 키를 전달할 방법을 원했습니다. 이 플러그인을 사용하면 Codex에 uvx --w를 실행하도록 지시할Release: llm-keys-ui 0.1 This plugin solves a very specific problem. I've started using Codex Remote to run coding agents on various machines while controlling them from my phone. Sometimes I use those machines to hack on LLM projects, and occasionally that means I need to configure an API key.

datasette-explain 0.2.2datasette-explain 0.2.2

릴리스: datasette-explain 0.2.2 이제 읽기 전용 저장된 쿼리 페이지에서 실행 계획이 작동합니다. datasette.simonwillison.net을 Datasette 1.0a40으로 업그레이드했으며, 이로 인해 이 설명 플러그인의 새 버전을 출시하게 되었습니다. 태그: sqlite, datasetteRelease: datasette-explain 0.2.2 Explain plans now work on read-only stored-query pages. I upgraded datasette.simonwillison.net to Datasette 1.0a40, which inspired me to ship a new version of this explain plugin. Tags: sqlite, datasette

코드를 읽어야 할까요, RAG는 끝났나요, Skills가 MCP를 죽였나요?Should you read the code, is RAG dead, and did Skills kill MCP?

GitHub Podcast의 최신 에피소드에서 이러한 질문과 기타 AI 핫테이크를 다룹니다. '코드를 읽어야 할까요, RAG는 끝났나요, Skills가 MCP를 죽였나요?'라는 게시물이 The GitHub Blog에 처음 게재되었습니다.We dive into these questions and other AI hot takes on the latest episode of the GitHub Podcast. The post Should you read the code, is RAG dead, and did Skills kill MCP? appeared first on The GitHub Blog.

당신의 에이전트가 작업을 완수했습니다. 다시 할 수 있을까요?Your Agent Aced the Task. Will It Do It Again?

안전한 로봇 조작을 위한 장애물 인식 하네스를 갖춘 코딩 에이전트Coding Agents with an Obstacle-Aware Harness for Safe Robot Manipulation

코딩 에이전트는 로봇 조작을 위한 유망한 패러다임으로 부상했습니다. 언어 모델이 로봇 컨트롤러를 프로그램으로 작성하고, 이러한 방식으로 구축된 에이전트는 이제 로봇별 훈련 없이 로봇을 작동시킵니다. 그러나 이 패러다임이 안전한지는 아직 질문되지 않았습니다. 우리는 각 작업이 조작 목표와 로봇이 만지면 안 되는 장애물을 쌍으로 이루는 안전 제약 조건 하에서 코딩 에이전트를 평가합니다. 에이전트는 목표를 추구하지만 대부분의 경우 장애물과 충돌하며, 이를...Coding agents have emerged as a promising paradigm for robot manipulation: a language model writes the robot controller as a program, and agents built in this way now operate robots without robot-specific training.Whether this paradigm is also safe, however, has not been asked. We evaluate coding ag

작업 공간 모델: 주목도 기반 감독을 통한 경량 로봇 메모리Workspace Models: Lightweight Robotic Memory via Saliency-Driven Supervision

복잡한 로봇 조작 작업에는 과거 사건 및 행동에 대한 장기 기억이 자주 필요합니다. 전체 기록에 대한 조건화는 정책을 잘못된 상관관계에 취약하게 만들고 성능을 저하시키므로, 정책 메모리에 대한 많은 접근 방식은 작업 관련 정보만 처리하기 위해 루프 내에서 비용이 많이 드는 VLM 쿼리를 통해 과거 정보를 압축하는 것을 포함합니다. 본 논문에서는 계산 집약적인 VLM 쿼리를 학습 중에 수행하여 대안적인 접근 방식을 제안합니다.Complex robotic manipulation tasks frequently require a long-term memory of past events and actions. As conditioning on full histories renders policies prone to spurious correlations and degrades performance, many approaches to policy memory involve compressing historical information through expensi

FAMOS: 희소 관측에서 피드포워드 3D 관절 모델링FAMOS: Feed-Forward 3D Articulation Modeling from Sparse Observations

각 관측은 부분적인 기하학 및 모션 증거만 드러내기 때문에 희소 단안 뷰에서 관절 객체를 모델링하는 것은 어렵습니다. 대부분의 피드포워드 방법은 단일 관측에서 관절을 추론하므로 학습된 범주 수준의 모양 사전 정보에 크게 의존합니다. 본 논문에서는 희소하고 순서가 없는 부분 포인트 클라우드 세트에서 이동 가능한 부분 분할 및 조인트 매개변수를 예측하는 피드포워드 모델인 FAMOS를 제시합니다. 우리 모델은 여러 관측과 자연스럽게 공동으로 추론합니다.Modeling articulated objects from sparse monocular views is challenging because each observation reveals only partial geometry and motion evidence. Most feed-forward methods infer articulation from a single observation and therefore rely heavily on learned category-level shape priors. We present FAM

Paint-Anything: 이미지 생성 및 편집을 위한 통합형 모든 색상 제어Paint-Anything: Unified Any-Color Control for Image Generation and Editing

전문적인 디자인에는 모든 색상 제어가 필요합니다. 즉, 이미지 생성 및 편집을 위해 24비트 16진수 값으로 객체의 대상 색상을 지정하는 기능입니다. 이전 연구에서는 색상 생성, 편집 및 색상화를 탐구했지만 종종 전용 색상 표현 또는 특수 추론 절차에 의존했습니다. 대규모 언어 모델의 발전은 더 간단한 시작점을 제공합니다. 컴팩트한 모델조차도 16진수 값을 색상 의미와 연관시킬 수 있습니다. 우리는 공유 16진수 값을 학습하는 Paint-Anything을 제시합니다.Professional design requires any-color control: the ability to specify an object's target color with any 24-bit hex value for image generation and editing. Prior work has explored color generation, editing, and colorization, but often relies on dedicated color representations or specialized inf

ERCPMP-Gx: 대장 용종증의 형태학적, 조직병리학적 및 유전체적 특성을 위한 내시경 이미지 및 비디오 데이터셋ERCPMP-Gx: Endoscopic Image and Video Dataset for Morphological, Histopathological, and Genomic Characterization of Colorectal Polyposis

유전성 용종증 증후군은 대장암의 전구 병변이 될 수 있으며 광범위한 스펙트럼의 대장 외 종양과 관련이 있습니다. 이러한 증후군의 조기 식별 및 정확한 분류는 적시 진단, 개별화된 환자 관리 및 영향을 받는 가족을 위한 표적 감시 전략에 필수적입니다. 그러나 공개 내시경 데이터셋은 주로 개별 산발성 용종을 중심으로 구성되어 있으며, 용종 표현형을 조직병리학 및 유전체와 연결하는 데이터셋은 없습니다.Hereditary polyposis syndromes can be precursor lesions to colorectal cancer and are associated with a broad spectrum of extracolonic tumors. Early identification and accurate classification of these syndromes are essential for timely diagnosis, individualized patient management, and targeted survei

최첨단 LLM 에이전트의 과장 청구 성향 정량화Quantifying Overclaiming Propensity in Frontier LLM Agents

최첨단 코딩 에이전트는 점점 더 장기간 자율적으로 작업하도록 신뢰받고 있지만, 에이전트의 최종 응답은 사용자가 보는 작업에 대한 유일한 기록인 경우가 많습니다. 본 논문에서는 최첨단 에이전트가 작업 완료를 과장 청구하는 성향을 정량화합니다. 이는 사용자를 오도할 수 있는 잘못된 표현입니다. 에이전트는 최종 응답이 컨텍스트의 정보와 모순될 때 과장 청구합니다. 이 정의는 의도에 대한 추론이 필요하지 않으며 작업 성공 여부와 독립적입니다. 우리는 OverclaimBe를 소개합니다.Frontier coding agents are increasingly trusted to work autonomously for long periods, yet an agent's final response is often the only account of that work a user sees. We quantify the propensity of frontier agents to \emph{overclaim} task completion, a misrepresentation that can mislead the us

임베딩 모델은 특이한 방식으로 측정합니다Embedding Models Measure in Peculiar Ways

임베딩 공간은 의미론적 유사성 및 거리의 개념을 정의합니다. 우리는 이러한 임베딩이 질량, 거리, 시간 및 부피의 물리적 측정치를 반영하는지 연구합니다. 이는 고유하고 객관적인 의미론적 동등성 및 거리의 개념을 허용합니다. 우리는 물리적 측정이 임베딩 공간에서 약하게만 모델링되며, 대신 상당히 특이한 측정 패턴이 관찰될 수 있음을 발견합니다. 추가 분석에 따르면 물리적 측정의 임베딩 표현은 강하게 영향을 받습니다.Embedding spaces define notions of semantic similarity and distance. We study whether those embeddings reflect physical measurements of mass, distance, time and volume, which admit a unique, objective notion of semantic equivalence and distance. We find that physical measurement is only weakly model

분포 이동은 신경 PDE 대리 모델의 사전 훈련 이점을 어떻게 형성하는가?How Does Distribution Shift Shape Pretraining Gains in Neural PDE Surrogates?

신경 PDE 대리 모델을 사전 훈련하면 기하학 또는 모델링된 물리학이 변경될 때 필요한 새로운 CFD 데이터 양을 줄일 수 있습니다. 그러나 분포 이동의 다른 구성 요소가 이 이점에 어떻게 영향을 미치는지 명확하지 않습니다. 우리는 한 에어포일 제품군에서 254,909개의 RANS 솔루션으로 대리 모델을 사전 훈련하고 일치하는 자유 흐름 범위의 두 가지 대상 설정에서 새로운 제품군에 대해 미세 조정합니다. 동일한 Spalart-Allmaras(SA) 모델링 및 추가 $e^N$ 전환 모델링이 있는 SA. N=1000에서 사전 훈련된 Pretraining a neural PDE surrogate can reduce the amount of new CFD data needed when geometry or modeled physics changes. However, it remains unclear how different components of distribution shift affect this benefit. We pretrain a surrogate on 254,909 RANS solutions from one airfoil family and fine

점수 중심화는 오프폴리시 강화 학습을 안정화합니다Score Centering Stabilizes Off-policy Reinforcement Learning

대규모 언어 모델의 강화 학습(RL)은 훈련 및 추론 엔진 간의 작은 차이에 매우 민감하며, 이는 종종 훈련-추론 불일치(TIM)라고 합니다. 그러나 TIM을 완전히 제거하는 것은 롤아웃 효율성에 큰 비용이 들기 때문에 비실용적입니다. 본 논문에서는 TIM 하에서의 RL 불안정성이 주로 드리프트, 즉 훈련 및 추론 엔진 간의 지속적인 편향으로 인해 발생하며, 이는 모든 훈련 단계마다 축적된다는 것을 보여줍니다. 우리는Reinforcement learning (RL) of large language models is notoriously sensitive to small differences between training and inference engines, often referred to as the training-inference mismatch (TIM). However, completely eliminating TIM is impractical, as it would come at a major cost to rollout effic

PosteriorBench: 생성적 역 솔버 평가에서 점 추정에서 사후 확률 일치까지PosteriorBench: From Point Estimates to Posterior Matching in Evaluating Generative Inverse Solvers

생성 모델은 과학적 역 문제를 해결하는 데 점점 더 많이 사용되지만, 기존 평가는 여전히 방법이 단일 가능한 재구성을 생성할 수 있는지에 주로 초점을 맞춥니다. 이는 불분명한 문제에 대해 불충분합니다. 이러한 문제에서는 여러 솔루션이 동일한 희소 또는 노이즈 관측치와 일치할 수 있습니다. 이러한 설정에서 방법은 점별 정확도를 높게 달성하면서도 모드 붕괴, 과신 불확실성 또는 평균화를 통해 실제 사후 확률을 포착하는 데 실패할 수 있습니다.Generative models are increasingly used to solve scientific inverse problems, but existing evaluations still focus primarily on whether a method can produce a single plausible reconstruction. This is insufficient for ill-posed problems, where multiple solutions may be consistent with the same sparse

이종 전송 프로토콜이 있는 간섭 하에서 보정된 RF-핑거프린팅Calibrated RF-Fingerprinting Under Interference With Heterogeneous Transmission Protocols

무선 주파수(RF)-핑거프린팅은 방출 신호에 각인된 하드웨어 결함에 따라 특정 송신기를 식별하는 스펙트럼 모니터링 기술입니다. 널리 연구되었지만, 연구는 거의 독점적으로 한 번에 하나의 송신기만 방출되는 시나리오를 고려하여 실제 적용 가능성을 제한합니다. 본 연구에서는 여러 방출 신호가 서로 간섭하고 겹치는 공동 채널 간섭을 고려하여 RF-핑거프린팅 연구를 발전시킵니다.Radio Frequency(RF)-Fingerprinting is a spectrum monitoring technique that identifies specific transmitters based on hardware impairments imprinted within the emitted signal. Although widely researched, studies almost exclusively consider scenarios where only one transmitter is emitting at a time, l

Agile-WAM: 접촉이 많은 로봇 제어를 위한 민첩한 촉각 월드 액션 모델Agile-WAM: An Agile Tactile World Action Model for Contact-Rich Robot Control

월드 액션 모델(WAM)은 미래의 월드 상태와 로봇 액션을 공동으로 예측함으로써 기존의 시각-운동 정책을 능가하며, 정책이 효과적인 제어를 지원하는 물리적 역학을 학습할 수 있도록 합니다. 그러나 최근의 촉각 WAM은 종종 접촉이 많은 물리적 역학을 포착하기 위해 대규모 사전 훈련된 생성 백본에 의존하며, 이는 추론 효율성과 유연한 배포를 제한합니다. 본 논문에서는 접촉이 많은 로봇을 위한 민첩한 촉각 월드 액션 모델인 Agile-WAM을 제시합니다.World Action Models (WAMs) advance beyond conventional visuomotor policies by jointly predicting future world states and robot actions, enabling the policy to learn physical dynamics that support effective control. However, recent tactile WAMs often rely on large-scale pretrained generative backbone

온라인 담론에서 집단 간 적대감 모델 통합Unifying Models of Intergroup Hostility in Online Discourse

사회 집단에 대한 적대적인 수사는 배제와 학대를 정당화하며, 양극화와 정치적 폭력 증가에 기여할 수 있습니다. 온라인 발언에서 적대적인 수사를 완화하려는 노력은 사회 및 도덕 심리학, 정치 과학의 기초 이론에 의존합니다. 그러나 이러한 이론들은 대부분 병렬적으로 개발되었고, 적대감이 어떻게 발생하는지에 대해 다르거나 때로는 상충되는 설명을 제시하며, 실제 담론에서 서로에 대해 거의 테스트되지 않았습니다.Hostile rhetoric toward social groups can normalize exclusion and justify mistreatment, as well as contribute to rising polarization and political violence. Efforts to moderate hostile rhetoric in online speech draw on foundational theories in social and moral psychology, and political science. Howe

JEPA-Anything: 다양한 세상에서 예측 모델 학습JEPA-Anything: Learning Predictive Models across Different Worlds

월드 모델링은 지능이 결과를 예측하고, 개입을 안내하며, 상호 작용에서 학습할 수 있도록 합니다. 그러나 예측 모델은 여전히 도메인별입니다. 공통 학습 원칙이 완전히 다른 시스템 전반의 월드 모델링을 지원할 수 있을까요? 우리는 직교 예측 분해(OPF)를 기반으로 하는 도메인 불가지론적 프레임워크인 JEPA-Anything를 소개합니다. 공동 임베딩 예측 아키텍처를 확장하여, OPF는 잠재적 목표를 상호 보완적인 요인으로 분해하고 전용 파이프를 통해 학습합니다.World modeling enables intelligence to anticipate consequences, guide interventions, and learn from interaction. Yet predictive models remain domain-specific: can a common learning principle support world modeling across radically different systems? We introduce JEPA-Anything, a domain-agnostic fram

dQwen3.5: 하이브리드 어텐션 확산 언어 모델dQwen3.5: Hybrid-Attention Diffusion Language Models

사전 훈련된 자기회귀(AR) 모델을 조정하는 것은 확산 언어 모델(DLM)로 가는 비용 효율적인 경로입니다. 이러한 조정의 거의 모든 것이 완전 어텐션 트랜스포머에서 시작되지만, AR 모델링은 어텐션과 RNN 레이어를 번갈아 사용하는 하이브리드 아키텍처로 전환되었습니다. 이는 조정에 장애물을 만듭니다. 어텐션과 달리 RNN은 구조적으로 인과적이며 양방향으로 만들기 어렵습니다. 이러한 불일치에도 불구하고, 우리는 이러한 백본이 효과적인 DLM이 될 수 있는지 조사합니다.Adapting a pretrained autoregressive (AR) model is a cost-efficient route to a diffusion language model (DLM). While nearly all such adaptations start from a full-attention transformer, AR modeling has shifted toward hybrid architectures that interleave attention and RNN layers. This creates an obst

온디맨드 어텐션: 언어 모델은 언제 기억해야 할지 압니다On-Demand Attention: Language Models Know When to Recall

추론 및 에이전트 워크로드는 효율적인 장기 컨텍스트 추론을 점점 더 요구합니다. 그러나 완전 어텐션 디코딩은 다음 예측에 대한 이익과 관계없이 각 단계에서 증가하는 기록을 읽습니다. 사전 훈련된 모델의 디코딩 상태가 전역 읽기 전에 이미 이 이익을 예측하는 정보를 포함하고 있음을 보여줍니다. 이 발견을 바탕으로, 우리는 경량 리콜 헤드를 사용하여 전역 어텐션을 선택적으로 호출하는 로컬 우선 디코딩 방법인 온디맨드 어텐션(ODA)을 소개합니다.Reasoning and agentic workloads increasingly demand efficient long-context inference. Yet full-attention decoding reads the growing history at every step, regardless of its benefit to the next prediction. We show that a pretrained model's decoding states already contain information predictive o

환경을 마스크하지 마세요: 관찰 감독은 RL에서 에이전트 탐색 방식을 변경합니다Don't Mask the Environment: Observation Supervision Changes How Agents Explore Under RL

에이전트 궤적은 에이전트가 무엇을 하고 다음에 무엇이 발생하는지를 기록합니다. 그러나 표준 지도 학습 미세 조정(SFT)은 환경 관찰을 컨텍스트로 사용하지만 예측 대상으로 사용하지 않고 에이전트가 생성한 액션 토큰에만 손실을 적용합니다. 이 관례가 후속 강화 학습에 최적의 초기화를 제공하는지 질문합니다. 각 궤적에 이미 존재하는 관찰 토큰도 감독하는 ActObs를 소개합니다. 배포된 에이전트는 관찰을 생성하지 않지만, 학습은...Agent trajectories record what an agent does and what happens next. Yet standard supervised fine-tuning (SFT) applies loss only to agent-authored action tokens, using environment observations as context but not as prediction targets. We ask whether this convention provides the best initialization fo

복사할 것인가 말 것인가: 고유 모델 신호를 통한 추측적 디코딩 제어To Copy or Not to Copy: Controlling Speculative Decoding via Intrinsic Model Signals

추측적 디코딩(SD)은 대규모 언어 모델(LLM) 추론을 크게 가속화했지만, 기존 접근 방식은 두 가지 초안 작성 전략, 즉 신경망 초안 작성과 컨텍스트 기반 복사 간의 근본적인 절충점을 안고 있습니다. 신경망 초안(예: EAGLE3)은 다양한 텍스트 설정에서 강력한 성능을 제공하는 반면, 복사 기반 방법은 더 빠른 후보 생성을 통해 복사 집약적인 환경에서 더 높은 속도 향상을 달성하고 긴 반복 범위를 활용하여 거의 완벽한 추측을 가능하게 합니다. 우리는 기존의...Speculative Decoding (SD) has significantly accelerated Large Language Model (LLM) inference, yet existing approaches face a fundamental tradeoff between two drafting strategies: neural drafting and context-based copying. Neural drafts (e.g., EAGLE3) provide robust performance across diverse text se

AI 안전 대화, 믿을 수 없을 정도로 발전하다AI safety conversations have gotten unbelievable

이번 주 AI 안전에 대한 두 건의 대화가 바이럴되면서 AI의 사실과 허구를 구별하는 것이 얼마나 어려운지를 보여주었습니다.This week two conversations about AI safety went viral that demonstrate just how hard it is to discern AI fact from fiction.

AI가 모두를 죽이지 않으려면 독점 금지 면제가 필요할까요????Does AI need an antitrust exemption so it doesn’t kill everyone????

오늘 Decoder에서는 비즈니스 미래에 대한 두 부분 시리즈의 첫 번째 부분을 다룹니다. 바이든 행정부 시절 미국 법무부의 전 독점 금지 책임자였던 Jonathan Kanter와 대화합니다. 현재 그는 WashU의 법학 교수이자 카네기 멜런의 기술 정책 교수입니다. […]Today on Decoder, we’ve got the first of a two-part series on the future of business, and I’m talking with Jonathan Kanter, the former antitrust chief for the US Department of Justice in the Biden administration. These days, he’s both a professor of law at WashU and professor of technology

AI 규제 충돌은 끝나지 않았습니다The AI regulation smackdown isn’t over

이번 주 초, AI 분야의 유명 인사들은 적어도 잠정적으로는 AI 규제에 찬성하는 듯 보였습니다. 주말 동안 Anthropic CEO Dario Amodei는 제3자 평가자를 연구소에 배치하고, 국내 산업 전반에 걸쳐 조정하며, 잠재적으로 국제 협정을 체결하는 것을 포함하여 AI 개발을 늦추기 위한 3단계 계획을 제안했습니다. […]At the start of this week, the who's-who of AI seemed - at least tentatively - on the side of AI regulation. Over the weekend, Anthropic CEO Dario Amodei had proposed a three-step plan for slowing AI development, including by embedding third-party evaluators in labs, coordinating across the dom

[논문] 문자열학적 시퀀스 예측 III[Paper] Stringological sequence prediction III

초록: 이전 논문(Kosoy 2026a,b)에서 우리는 문자열학적 단어 복잡성 척도에 적응된 시퀀스 예측 알고리즘 연구를 시작했습니다. 특히, 우리는 다항 시간 예측 알고리즘을 허용하는 산술 반복 복잡성(ARC)이라는 복잡성 척도를 정의했으며, 이는 복잡성에 대해 준선형적인 오류 한계를 가집니다. 여기서는 ARC와 관련된 더 약한 복잡성 척도를 보여주며, 이는 특히 효율적인 예측 알고리즘, 즉 준선형적으로 실행되는 알고리즘을 허용합니다.Abstract: In previous papers (Kosoy 2026a,b), we began the study of sequence prediction algorithms adapted to stringological word complexity measures. In particular, we defined a complexity measure called Arithmetic Repetition Complexity (ARC) which admits a polynomial-time prediction algorithm with

데이비드 삭스: OpenAI와 Anthropic은 최첨단 모델의 속도를 조절하기 위해 규제가 필요하지 않다David Sacks: OpenAI and Anthropic Don't Need Regulations to Pace Frontier Models

다리오가 "최첨단 모델의 속도를 조절해야 한다"고 썼고 샘도 동의했습니다. 사람들은 제 반응에 놀랄지도 모릅니다: 마음대로 하십시오. 여러분이 바로 최첨단입니다. 시장 점유율, 매출 성장, 모델 능력 등 어떤 합리적인 기준으로 보더라도, 여러분 두 회사는 최첨단 지능에 대한 과점 상태입니다. 또한 여러분은...Dario has written that we need to “pace the frontier,” and Sam has agreed. People may be surprised by my response: go ahead. You guys are the frontier. By any reasonable metric — market share, revenue growth, model capability — the two of you have a duopoly on frontier intelligence. You’ve also cl…

AI 뉴스: AI 둔화: 알아야 할 모든 것AI News: The AI Slowdown: What You Need to Know

이번 주 놓쳤을 수 있는 AI 뉴스를 전해드립니다. 더 알아보기: 🛠️ AI 도구 및 뉴스 탐색: https://futuretools.io/ 📰 주간 뉴스레터: https://futuretools.io/newsletter 소셜 미디어: ❌ 트위터/X: https://x.com/mreflow 🖼️ 인스타그램: https://instagram.com/mr.eflow 🧵 스레드: https://www.threads.net/@mr.eflow 🟦 링크드인: https://www.linkedin.com/in/matt-wolfe-30841712Here's the AI News you probably missed from this week. Discover More: 🛠️ Explore AI Tools & News: https://futuretools.io/ 📰 Weekly Newsletter: https://futuretools.io/newsletter Socials: ❌ Twiter/X: https://x.com/mreflow 🖼️ Instagram: https://instagram.com/mr.eflow 🧵 Threads: https://www.thr

DeepSeek의 엄청난 새 아키텍처DeepSeek’s Insane New Architecture

❤️ Lambda를 여기서 확인하고 GPU 클라우드에 가입하세요: https://lambda.ai/papers 📝 DeepSeek V4.1 Flash 논문은 여기서 확인할 수 있습니다: https://www.deepseek.com/en/news/deepseek-v4-1-flash/ 정오표: 3:23의 Opus 5.1 레이블은 Opus 5여야 합니다. 죄송합니다! 출처: https://x.com/flowith/status/2099446892174406055/video/1 https://x.com/loktar00/status/20977❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers 📝 The DeepSeek V4.1 Flash paper is available here: https://www.deepseek.com/en/news/deepseek-v4-1-flash/ Erratum: Opus 5.1 label at 3:23 should have been Opus 5. Apologies! Sources: https://x.com/flowith/status/209944

Google이 지능 폭발을 시작했는가?Did Google just kickstart the intelligence explosion?

GitHub Actions를 2배 더 빠르게 실행하고 https://www.blacksmith.sh/에서 Codesmith로 빌드하세요. Google DeepMind는 AI의 이전 발견 로그를 시뮬레이터로 변환하여 수천 가지 탐색 전략을 테스트할 수 있는 Dream-RSI 기술을 발표했습니다. 하지만 이것이 실제로 RSI일까요, 아니면 캐싱이 있는 검색 알고리즘일까요? 자세히 살펴보겠습니다. #coding #programming Fireship 더 보기? 🗞️ 뉴스레터: https://bytes.dev 🧠 코스: https://fiRun GitHub Actions 2x faster and build with Codesmith at https://www.blacksmith.sh/ Google DeepMind just published Dream-RSI, a technique that turns an AI's old discovery logs into a simulator so it can test thousands of exploration strategies. But is this actually RSI or just a search algorith

AI 연구자들이 'AI 속도 조절' 요구 전에 본 것What AI Researchers Saw, Before Their Demand to ‘Pace’ AI

왜 지난 며칠 동안 AI 프론티어 속도를 조절하라는 요구가 그렇게 크게 나왔을까요? 안전 경고와 연구소 리더들의 메시지 말입니다. 연구자들이 살펴보고 있는 여섯 가지 축, 사건 보고서 및 추세를 탐색하여 지난 2주 동안 세계 헤드라인을 지배했던 내용을 더 잘 파악해 봅시다... AI Insiders ($9!): https://www.patreon.com/AIExplained 챕터: 00:00 - 소개 00:00 - 오메가 바이럴이 된 경고 4:23 - 연구자들이 본 여섯 가지 축Why has it been the last few days that the calls to come to pace the frontier AI have come so loudly? The safety warnings, and lab leader messages? Let’s explore the six axes that the researchers are looking at, the incidence reports and trends, to get a better gauge on what has dominated the world’