Viola AI Hub

EU 텍스트 출처 표기 규정에 대한 OpenAI의 대응 방안Our approach to EU text provenance rules

OpenAI가 EU 규정에 맞춰 텍스트 워터마킹에 어떻게 접근하고 있는지 소개합니다. 워터마크 적용 범위와 감지 기술 원리, 연구자에게 먼저 접근 권한을 제공하는 이유를 살펴봅니다.How OpenAI is approaching text watermarking under EU rules. Learn where watermarks apply, how detection works, and why access starts with researchers.

사람들의 AI 활용 방식에 맞춘 새로운 광고 모델 구축Building advertising for the way people use AI

OpenAI가 ChatGPT에 새로운 비주얼 광고 포맷을 선보이고 광고주를 위한 성과 측정 툴, 기여도 측정 파트너십 및 브랜드 적합성 기능을 확대합니다.OpenAI introduces a new visual ad format in ChatGPT and expands measurement tools, attribution partnerships, and brand suitability for advertisers.

GPT-6 패밀리 모델 가이드A model guide for the GPT-6 family

스타트업이 GPT-6 모델을 선택하고, 추론 강도를 튜닝하며, 프롬프트와 스킬을 개선하고, 툴을 연계해 프로덕션 워크플로우를 준비하는 방법을 안내합니다.Learn how startups can choose GPT-6 models, tune reasoning effort, improve prompts and skills, coordinate tools, and prepare workflows for production.

채텀 파이낸셜, OpenAI로 자본시장 전문성 확장Chatham scales its capital markets expertise with OpenAI

채텀 파이낸셜이 Codex와 GPT-5.6을 활용해 기술을 구축하고 워크플로우를 재설계함으로써 거래 검증 시간을 30분에서 4분 미만으로 단축했습니다.Chatham Financial uses Codex and GPT-5.6 to build technology and redesign workflows, cutting trade validation from 30 minutes to under 4.

2026년 9월에 발표된 최신 AI 소식The latest AI news we announced in September 2026

9월 AI 업데이트를 담은 영상A video showing the September AI updates

클로드 프론티어 아카데미: 엔지니어 1만 명 양성을 위해 1억 달러 투자Claude Frontier Academy: $100M to train 10,000 engineers

클로드 프론티어 아카데미(Claude Frontier Academy)는 Anthropic 자체 기준에 부합하는 프론티어 배포 엔지니어를 양성하며, 2027년 말까지 1만 명 교육을 목표로 1억 달러를 투자합니다.Claude Frontier Academy trains Frontier Deployed Engineers to the standard of Anthropic’s own — a $100 million commitment to train 10,000 by the end of 2027.

Gemini 4 Argon: 프론티어 인텔리전스의 새로운 시대를 열다Gemini 4 Argon: our next era of frontier intelligence

팀 봇(Team Bots): 업무를 수행하며 함께 학습하는 공유형 AI 팀원Team Bots: shared AI teammates that learn as they work

Grok Bot에 필요한 파일과 앱, 전문 지식을 부여한 뒤 팀에 공유하여 모든 구성원이 동일한 맥락에서 협업할 수 있도록 지원합니다.Give a Grok Bot the files, apps, and expertise it needs, then share it so your whole team can work from the same context.

제미나이 '대신 통화하기' 기능, 가족에게 늦는다는 소식까지 전해줄 수도Gemini Call for Me might tell your mom you’re running late

구글이 AI 기반 '대신 통화하기(Call for Me)' 기능을 비즈니스 통화를 넘어 친구나 가족에게 메시지를 전하는 용도로까지 확장할 것으로 보입니다. 안드로이드 어소리티는 APK 분석 중 '엄마에게 전화해서 15분 늦는다고 전해줘'와 같은 예시가 포함된 '제미나이 콜링(Gemini Calling)' 안내 화면을 발견했다고 보도했습니다.Google may be expanding its "Call for Me" AI feature beyond business calls so you can use it to send messages to friends and family. Android Authority reports finding a "Gemini Calling" introductory screen in an APK teardown with examples that include "Call Mom and tell her

리플렉션, 중국산 모델에 맞서 연산 비용 낮춘 오픈 가중치 AI 모델 'Beam' 공개Reflection debuts Beam, an open-weight AI model to rival Chinese models at lower compute cost

리플렉션(Reflection)이 기업 및 각국 정부(소버린 AI)를 겨냥해 Beam과 후속 모델을 선보입니다. 기관들이 자체 독점 데이터를 활용해 리플렉션의 모델을 학습시키고 맞춤형 로컬 AI 시스템을 구축할 수 있는 'AI 팩토리' 제품을 제안하고 있습니다.Reflection is aiming Beam and future models at enterprises and sovereign nations. The pitch is to build “AI factories,” a product that would let institutions build their own customized, local AI system by training Reflection’s AI models on their own proprietary data.

에이전트 간 통신을 위한 MCP, 가장 위험한 프로토콜이 될 수도MCP for agent-to-agent comms may be the riskiest protocol you've never heard of

새로운 프로토콜의 신뢰 격차로 인해 악성 프롬프트가 한 에이전트에서 다른 에이전트로 전파될 수 있는 보안 위협이 제기되고 있습니다.Trust gaps in the new protocol spread malicious prompts from one agent to another.

에이전틱 보안: 기업들 오픈AI에 가장 크게 의존하지만 공격자 우위 응답률은 3배 높아Agentic security: Enterprises rely on OpenAI most to secure AI agents, and those that do are nearly three times as likely to say attackers are ahead

벤처비트 인텔리전스가 임직원 100인 이상 기업을 대상으로 조사한 결과, 오픈AI의 가드레일이 엔터프라이즈 AI 에이전트의 가장 보편적인 기본 보안 계층으로 자리 잡았습니다. 그러나 오픈AI 가드레일에 의존하는 기업은 다른 기업에 비해 공격자가 방어 체계보다 앞서 있다고 응답할 확률이 3배 가까이 높았으며, 에이전트 도입 기업의 59%는 보안 사고나 아찔한 사고 위기를 겪은 것으로 나타났습니다.VentureBeat Intelligence surveyed respondents at organizations with 100 or more employees in August about how they secure AI agents. OpenAI's guardrails are now the most common primary security layer for enterprise AI agents. The organizations relying on OpenAI's guardrails are more likely

Power Platform을 활용해 기존 앱에 AI를 도입하는 기업들How Power Platform helps businesses build AI into existing apps

Power Platform을 활용하여 기업들이 기존 애플리케이션에 AI 기능을 손쉽게 통합하고 구축하는 방법을 소개합니다.The post How Power Platform helps businesses build AI into existing apps appeared first on Source.

AI 에이전트를 엔터프라이즈 지식에 연결하기Connecting AI agents to enterprise knowledge

AI 시스템이 방대한 데이터를 수집·분석하고 있음에도, 기업용 AI 에이전트는 종종 '지식 부족'이라는 약점에 직면합니다. 지식은 단순한 데이터를 넘어 개별 조직의 맥락 속에서 데이터가 갖는 의미를 이해하는 것입니다. AI 에이전트가 상황을 추론하고 올바른 결정을 내리기 위해서는 이러한 지식 연계가 필수적입니다.For all the data that AI systems continually amass and analyze, enterprise AI agents often suffer from a curious shortcoming: a lack of knowledge. More than data, knowledge is the understanding of what the data means in the context of individual organizations. AI agents need this understanding to re

Show HN: macOS 내 모든 사진과 동영상 프레임을 검색하는 AI 검색 도구Show HN: AI search for every photo and every frame of video on macOS

macOS의 모든 폴더에 있는 모든 사진과 동영상 프레임을 정밀하게 찾아주는 딥 AI 검색 도구 - allenv0/SCMDeep AI search for every photo and every frame of video in any folder on macOS - allenv0/SCM

망가진 조직 문화 때문에 OpenAI를 떠났습니다I quit OpenAI because its culture is broken

해커 뉴스 (추천 315점, 댓글 550개)Hacker News (315 points, 550 comments)

Claude 및 Claude Code에서 Opus 5.5 최대한 활용하기Getting the most out of Opus 5.5 in Claude and Claude Code

Claude 앱 및 Claude Code에서 Opus 5.5 프롬프트를 작성하고 장기 실행 작업을 조율하며 결과를 확인하는 방법.How to prompt Opus 5.5, steer a long run, and check your results in Claude apps and Claude Code.

웹 및 모바일 대화형 AI 에이전트의 프라이버시 분석 [pdf]A Privacy Analysis of Web and Mobile Conversational AI Agents [pdf]

Hacker News (점수: 419점, 댓글: 136개)Hacker News (419 points, 136 comments)

펠릭스 리제베르크(Felix Rieseberg)의 말Quoting Felix Rieseberg

Cowork의 '이전' 버전은 클라우드에서 모델 추론을 실행하고, 사용자의 컴퓨터로 전달된 Anthropic 제공 VM 내에서 툴 호출을 수행했습니다. 이 VM은 기능성, 안전성 및 보안상의 이유로 추가되었으며, 세션에 명시적으로 추가한 데이터만 매핑했습니다. 사용자들은 Claude로 작업할 수 있다는 점은 매우 만족해했지만, 로컬에서 VM을 구동하는 데 따른 디스크, 배터리, 성능 부담은 아쉬워했습니다. 또한 노트북을 닫으면 작업이 중단된다는 점도 아쉬운 부분이었습니다. '새로운' 버전의 CowThe "old" version of Cowork runs model inference in the cloud, executing tool calls in an Anthropic-provided VM we shipped to your computer. We added the VM for capability, safety, and security reasons - mapping in just the data you explicitly added to your session. People loved what they

ReviewBench: AI 코드 리뷰를 위한 오픈 벤치마크ReviewBench: An open benchmark for AI code review

대표적인 GitHub 풀 리퀘스트(PR), 다중 소스 기반 정답 데이터(ground truth), 정밀 보정된 평가 기준, 실제 프로덕션 환경에 맞춘 지표를 기반으로 구축된 코드 리뷰 에이전트 벤치마크 'ReviewBench'를 공개합니다.We’re launching ReviewBench, a benchmark for code review agents built on representative GitHub pull requests, multi-source ground truth, calibrated evaluation, and production-aligned metrics. The post ReviewBench: An open benchmark for AI code review appeared first on The GitHub Blog.

에이전트는 끝났다고 했지만, 데이터베이스의 생각은 달랐다The Agent Said It Was Done. The Database Disagreed.

PyINE: 코드 실행을 통한 확장 가능한 도출 및 감독 프레임워크PyINE: A Framework for Scalable Elicitation and Oversight via Code Execution

추론 모델은 특정 작업을 충분히 해결할 능력이 있으면서도, 비용이 적게 드는 왜곡되거나 그럴듯한 편법에 의존하곤 합니다. 이로 인해 모델이 그럴듯하지만 불완전한 추론을 내놓았을 때 이를 신뢰할 수 있는지 감독하는 문제가 발생합니다. 본 연구는 이 문제를 다루기 위해 계측된 Python 프로그램을 검증 가능한 실행 기반으로 삼아 확장 가능한 도출 및 감독을 수행하는 프레임워크인 PyINE을 제안합니다.Reasoning models can remain capable of solving a task while still defaulting to cheaper but misleading shortcuts. This creates a central oversight problem: when a model gives an answer with plausible but incomplete reasoning, can an overseer determine whether that output should be trusted? To study

비자율 비선형 동역학계 축소 모델링을 위한 잠재 라그랑주 신경망Latent-Lagrangian Neural Networks for Reduced Order Modeling of Non-autonomous Nonlinear Dynamical Systems

본 연구는 외력이 작용하는 비선형 동역학계의 차원 축소 모델링(ROM)을 위한 잠재 라그랑주 기반 프레임워크를 제안합니다. 기존 라그랑주 또는 해밀턴 신경망과 달리, 본 방식은 동역학을 포착하기에 충분한 잠재 좌표 집합을 잠재 운동 및 잠재 위치 에너지를 담당하는 두 신경망과 함께 학습하며, 외력 지도를 활용해 학습 중 ODE 솔버의 필요성을 제거합니다.This work proposes a latent Lagrangian-based framework for reduced-order modelling of forced nonlinear dynamical systems. In contrast with conventional Lagrangian or Hamiltonian neural networks, our approach learns a set of latent coordinates sufficient to capture the dynamics conjointly with two ne

이산 최적 수송을 위한 GPU 가속 브레그만 더글러스-라치포드 분할 기법GPU-Accelerated Bregman Douglas-Rachford Splitting for Discrete Optimal Transport

명시적 비용 행렬, 지상 비용이 정의된 포인트 클라우드, 규칙 격자 상의 분리 가능한 비용 등 세 가지 입력 형식에 대해 이산 최적 수송 문제를 해결하는 GPU 가속 BDRS(Bregman Douglas-Rachford Splitting) 알고리즘을 제시합니다. 각 입력 형식별로 수치 안정성과 실행 속도를 높이기 위해 BDRS 반복의 하드웨어 맞춤형 수학적 동등 표현을 설계했으며, 최신 GPU 구현체들과 성능을 비교 벤치마크했습니다.We present GPU-accelerated Bregman Douglas--Rachford splitting algorithm (BDRS) for discrete optimal transport problem in three input formats: an explicit cost matrix, a point cloud with a ground cost between them, and a separable cost on a regular grid. For each input format, we propose hardware-aw

적응형 단위분할 혼합 전문가 네트워크를 활용한 국소 연산자 학습Localized Operator Learning with Adaptive Partition-of-Unity Mixture-of-Expert Networks

DeepONet이나 FNO와 같은 연산자 학습 방식은 날카로운 경계면, 불균질 계수, 국소적 다중 스케일 구조를 갖는 편미분방정식(PDE) 군을 다루는 데 종종 한계를 보입니다. 본 연구는 기하학 인지 게이팅 네트워크가 매끄러운 공간 분할을 생성하여 로컬 전문가 네트워크의 기여를 결합하는 국소 연산자 학습용 POU-MoE 프레임워크를 제안합니다. 핵심 기여는 잔차 형태의 계층적 POU 아키텍처인 HiRefPOU입니다.Operator learning methods such as DeepONets and FNOs often struggle with PDE families featuring sharp interfaces, heterogeneous coefficients, and localized multiscale structures. We introduce a partition-of-unity (POU) mixture-of-experts framework for localized operator learning, in which geometry-a

드리프팅 모델을 위한 판별 기하학 학습Learning Discriminative Geometry for Drifting Models

최근 제안된 드리프팅 모델(Drifting Models)은 반복적인 분포 개선 과정을 추론에서 학습 단계로 이전하여 효율적인 1단계(one-step) 생성을 가능하게 합니다. 하지만 복잡한 이미지 데이터셋에서의 성능은 드리프팅 필드를 구성하는 표현에 크게 좌우됩니다. 픽셀 공간 드리프팅은 성능이 저조한 반면 사전 학습된 특징 공간은 샘플 품질을 대폭 향상시키는데, 그 이유는 불분명했습니다. 본 논문은 이 격차의 원인을 표현의 판별 기하학적 특성에서 규명합니다.Recently proposed Drifting Models shift iterative distribution refinement from inference to training, enabling effective one-step generation. However, their performance on complex image datasets depends strongly on the representation used to construct the drifting field: pixel-space drifting perform

비정규화 밀도 샘플링을 위한 스코어 보정 플로우 및 생성형 온라인 강화학습에의 응용Score-Calibrated Flow for Sampling from Unnormalized Densities with Applications to Generative Online Reinforcement Learning

확산(Diffusion) 및 플로우(Flow) 모델은 온라인 강화학습(RL)에서 표현력 높은 정책 클래스를 제공하여 다중 모달 행동과 성능 향상을 가능하게 합니다. 그러나 비평자(critic)가 목표 정책을 비정규화된 볼츠만 밀도로 정의할 뿐 직접적인 샘플을 제공하지 않아 정책 학습에 어려움이 있습니다. 기존 방식은 중요도 샘플링에 의존해 높은 분산과 계산 비용 증가, 학습 불안정을 겪었는데, 본 연구는 이를 극복하는 스코어 보정 플로우 방식을 제안합니다.Diffusion and flow models provide expressive policy classes for online reinforcement learning (RL), enabling multimodal behaviors and improved performance. However, training these policies remains challenging: the critic specifies the desired policy as an unnormalized Boltzmann density but does not

Verb-ICL: 구조화된 예측을 위한 인컨텍스트 러닝의 재고Verb-ICL: Rethinking In-Context Learning for Structured Prediction

구조화된 예측(Structured Prediction) 태스크는 인컨텍스트 러닝(ICL)에 독특한 난제를 제시합니다. 구성적(compositional) 출력은 문장 수준의 접근법으로는 포착하기 어려운 미세한 토큰 수준의 패턴을 모델링해야 하며, 태스크별 주석 규칙은 사전 학습만으로는 습득할 수 없는 인간 정의 아티팩트이기 때문입니다. 본 논문에서는 이 두 가지 과제를 모두 해결하는 ICL 기반 구조화 예측을 위한 선택적 주석 프레임워크인 Verb-ICL을 제안합니다. Verb-ICL은 먼저 대표적인 예시를 선별하여 처리합니다.Structured prediction tasks pose unique challenges for in-context learning (ICL): their compositional outputs require modeling fine-grained, token-level patterns that sentence-level approaches fail to capture, and their task-specific annotation conventions are human-defined artifacts that cannot be

WNet: 효율적인 토큰 믹싱을 위한 이산 웨이블릿 변환WNet: Discrete Wavelets Transform for Efficient Token Mixing

트랜스포머(Transformer)에서 토큰 믹싱(token mixing)은 각 토큰이 다른 토큰의 정보를 가져오도록 하는 단계로, 긴 시퀀스를 인코딩할 때 연산 비용의 대부분을 차지합니다. 셀프 어텐션은 모든 토큰이 내용에 따라 다른 모든 토큰의 가중치를 평가하므로 강력한 문맥 모델링을 제공하지만, 이러한 전수 쌍 비교 때문에 시퀀스 길이에 따라 비용이 2차(quadratic)로 증가합니다. 본 논문에서는 셀프 어텐션을 이산 웨이블릿 변환 기반 토큰 믹싱으로 대체한 트랜스포머 인코더 WNet을 제안합니다.In a Transformer, token mixing is the step that lets each token draw information from other tokens, and it dominates the cost of encoding long sequences. Self-attention does this mixing very well: every token weighs every other token by content, which gives strong contextual modeling. That all-pairs

스스로 결정 불가능: LLM은 에이전트 검증기가 점검할 수 있는 경계를 직접 그릴 수 없다Not Self-Decidable: LLMs Cannot Draw the Boundary of What an Agent Verifier Can Check

에이전트 검증기는 고정된 규칙 점검으로 판별할 수 있는 규칙과 판별자(Judge)가 필요한 규칙이라는 두 가지 종류의 규칙에 직면합니다. 자체 검증 방식을 도출하는 팀은 이러한 구분을 사전에 정의하지만, 금융, 헬스케어, 법률처럼 요구사항이 외부에서 주어지는 분야에서는 에이전트가 직접 작성하지 않은 규칙을 적용해야 하므로 런타임에 매 행동의 모든 술어마다 사람이 감사할 수 없는 속도로 구분이 반복됩니다. 기존의 모든 에스컬레이션 체계는 모델이 이 결정을 스스로 내릴 수 있다고 가정하고 있습니다.A verifier for an agent faces rules of two kinds: the ones a fixed check can settle and the ones that require a judge. A team that derives its own checks fixes that split up front. Where the requirements come from outside, as in finance, healthcare and law, the agent enforces rules it did not write,

Penumbra: 규제 준수 의무 평가를 위한 샘플 효율적 적대적 탐색Penumbra: Sample-Efficient Adversarial Search for Regulatory Obligations

AI 에이전트가 금융, 헬스케어, 법률 등 위반 사항이 단순 어휘로 드러나지 않고 실질적인 처벌이 따르는 규제 산업에 도입되고 있습니다. 정보 누락이 중대한지, 공시가 충분한지는 응답에서 무엇이 빠졌는지에 달려 있습니다. 이러한 의무를 검증하려면 규정 준수 여부를 뒤집을 수 있는 최소한의 수정을 거친 응답을 찾아내야 하지만, 프로브 1회마다 한 번의 생성과 두 번의 판정이 요구되므로 규제 레드팀의 핵심 제약은 작업량이 아닌 샘플 효율성입니다. 이에 본 논문에서는 적대적 탐색 기법인 Penumbra를 제안합니다.Agents are entering finance, healthcare and law, sectors where a violation leaves no lexical signature and carries real penalties. Whether an omission is material, or a disclosure sufficient, depends on what the response left out. Probing such an obligation means finding responses one minimal edit f

불완전한 테이블 환경에서 LLM 기반 질의응답의 오류 양상 분석Understanding Errors in LLM-Based Question Answering over Imperfect Tables

인간 검수를 거친 RADAR-T 벤치마크 데이터를 바탕으로 3개의 대형 언어 모델(LLM)을 대상으로 불완전한 테이블 기반 질의응답 환경에서의 오류 발견 및 처리 양상을 체계적으로 분석했습니다. 이러한 테이블 질의응답은 정답에 영향을 미칠 수 있는 오류를 적절히 처리해야 합니다. 본 연구에서는 행 순서를 변경하고 원본, 오류 표시, 수정된 테이블을 비교하여 오류의 위치가 탐지에 영향을 주는지, 위치를 제공하는 것만으로 정확한 질의응답이 가능한지 검증했습니다.We investigate error discovery and handling in question answering over imperfect tables through controlled studies across three large language models (LLMs) on human-reviewed RADAR-T examples. Answering questions over these tables requires handling errors that can affect the answer. We vary row orde

음성-언어 모델 조향: 대조적 활성화 추가를 통한 학습 없는 태스크 전문화Steering Speech-Language Models: Training-Free Task Specialization via Contrastive Activation Addition

활성화 조향(Activation steering)은 추론 시 대형 언어 모델(LLM)의 동작을 제어하는 데 효과적인 것으로 입증되었으나, SpeechLLM 분야 적용은 여전히 초기 단계이며 학습 없는 조향 방식은 거의 연구되지 않았습니다. 본 연구에서는 적은 수의 라벨링된 발화 데이터로부터 SpeechLLM의 공통 음성 태스크(예: 전사)용 조향 벡터를 도출하는 학습 없는 대조적 활성화 추가(CAA) 프로토콜을 제안합니다.Activation steering has proven effective for controlling the behavior of Large Language Models (LLMs) at inference time, but its application to SpeechLLMs remains new, and training-free steering approaches for such models are still largely unexplored. We propose a training-free Contrastive Activatio

디코더를 줄여 인코더를 극대화하다: 신규 시점 합성을 통한 기하학적 표현 학습Less Decoder is More Encoder: Geometric Representation Learning from Novel View Synthesis

본 논문은 기하학적 표현 학습에서 신규 시점 합성(Novel View Synthesis, NVS)의 역할을 살펴봅니다. 원리상 NVS는 3D 장면 구조를 추론하여 전이 가능한 다중 시점 기하학적 표현을 형성해야 합니다. 그러나 기존의 인코더 기반 NVS 기법들은 낮은 품질의 표현을 생성합니다. 이는 지도 신호(supervisory signal)의 부족 때문이 아니라, 장면 인코더의 표현 능력을 희석시키는 '공간적 표현력이 과도한 디코더'라는 구조적 선택 때문입니다.This paper examines the role of Novel View Synthesis (NVS) in geometric representation learning. In principle, NVS should reason about 3D scene structure, thereby enabling transferable multi-view geometric representations. Yet, existing encoder-based NVS methods yield poor representations. This is n

OpenAI, EU에서 ChatGPT 생성 텍스트에 워터마크 적용 시작OpenAI will start watermarking ChatGPT’s text in the EU

OpenAI가 EU의 AI 규제법(AI Act)을 준수하기 위해 ChatGPT와 Codex가 생성한 텍스트에 워터마크를 도입합니다. 다만 텍스트를 수정할 경우 보이지 않는 워터마크를 감지하기 어려워질 수 있다고 밝혔습니다.OpenAI will watermark ChatGPT and Codex text in the EU to comply with the AI Act. Editing can make the invisible marks harder to detect, it says.

아담 시프 상원의원, AI 규제·표현의 자유 및 트럼프 탄핵에 대해 밝히다Sen. Adam Schiff on AI regulation, free speech, and impeaching Trump one more time

지식재산권, 반독점, 개인정보 보호 및 기술 관련 상임위에 소속된 캘리포니아주 민주당 아담 시프 상원의원과의 인터뷰입니다. 현재 시점에서 기술 산업 전반과 AI 생태계를 어떻게 효과적으로 규제할 것인지에 대해 심도 있는 논의를 나눴습니다.Today, I’m talking with Sen. Adam Schiff, a Democrat from California. Schiff sits on a number of committees with oversight into tech and AI: intellectual property, antitrust, privacy and technology — it’s all there. I really wanted to ask him about how we might regulate anything related to the tech

Import AI 475: 군집 스케일링, 구글 딥마인드의 생물학 워터마크, 그리고 AI 과학 경제Import AI 475: Swarm scaling; Google DeepMind watermarks biology; and the AI science economy

AI가 수행할 작업을 결정하는 주체는 누구인가?Who chooses what AI gets to do?

내재적 정렬에는 의존성이 필수적이다Endogenous Alignment Requires Dependence

내재적 정렬(endogenous alignment)에 관한 제 글에 유익한 댓글들이 많이 달렸습니다. 그중 칼 크루거(Karl Krueger)는 인간이 자녀를 교육하고 가치관을 맞출 때 강화학습보다 모방 학습이 더 중요하다고 주장했습니다. 어느 쪽이 더 중요한지 가려내는 것은 쉽지 않지만, 제가 모방의 중요성을 간과했다는 점에는 동의하며 다른 댓글에서 설명된 이유로 모방 학습이 더 근본적일 수 있습니다. 군나르 자른케(Gunnar Zarncke)가 짚어주었듯, 저는 가장 핵심적인 부분을 놓치고 있었습니다…My post on endogenous alignment got several excellent comments. Among them, one from Karl Krueger argued that imitation learning is more important for how humans align their children than reinforcement learning. Teasing out which is more important seems hard, but I agree I was wrong to ignore the im

퓨디파이(PewDiePie)의 검열 없는 AI 공개... 그리고 분노한 OpenAIPewDiePie is setting AI free... and OpenAI is furious

Namespace는 GitHub Actions 등을 실행하는 가장 빠른 솔루션입니다. 무료 체험: https://namespace.so/github-actions 퓨디파이가 증류(distillation) 규정 위반으로 OpenAI에서 두 차례 계정 정지를 당한 후, 홈 환경에서 직접 학습시킨 무검열 AI 모델 'Ajax'를 개발 중입니다. 자세한 내용을 살펴보겠습니다. Fireship 채널 더 보기 🗞️ 뉴스레터: https://bytes.dev 🧠 강의: https://fireship.devNamespace is actually the fastest way to run your GitHub Actions (and more). Try it for free - https://namespace.so/github-actions PewDiePie is building Ajax, an uncensored AI model he trained at home after OpenAI banned him twice for distillation. Let's dive in. Want more Fireship? 🗞️ Newslett

AI 뉴스: Dots, GPT-6.1 Sol, Sonnet 5.5, Gemini 4 및 알아야 할 모든 최신 소식AI News: Dots, GPT-6.1 Sol, Sonnet 5.5, Gemini 4, and everything you need to know

이번 주 놓치기 아쉬운 주요 AI 뉴스를 정리해 드립니다. Optimizely의 가상 팀원(Virtual Teammates)이 어떤 업무를 자동화할 수 있는지 살펴보세요: https://optimizely.com/mattwolfe. 더 알아보기: 🛠️ AI 툴 및 뉴스 둘러보기: https://futuretools.io/ 📰 주간 뉴스레터: https://futuretools.io/newsletter 소셜 채널: ❌ X(트위터): https://x.com/mreflow 🖼️ 인스타그램: https://instagram.com/mr.Here's the AI News you probably missed this week. See what Optimizely’s Virtual Teammates can automate for you at https://optimizely.com/mattwolfe Discover More: 🛠️ Explore AI Tools & News: https://futuretools.io/ 📰 Weekly Newsletter: https://futuretools.io/newsletter Socials: ❌ Twiter/X: h