Viola AI Hub

수학 및 인공지능 자문 위원회Advisory Group on Mathematics and Artificial Intelligence

OpenAI는 새로운 AI 결과의 검토 및 커뮤니케이션을 안내하기 위해 독립적인 수학 및 인공지능 자문 위원회와 협력하고 있습니다.OpenAI is working with an independent Advisory Group on Mathematics and Artificial Intelligence to guide the review and communication of emerging AI results.

Higgsfield AI, GPT-6 Astra로 하루 만에 새로운 비디오 기능 출시Higgsfield AI ships new video features in a day with GPT-6 Astra

GPT-6 Astra를 통해 Higgsfield AI는 소상공인을 위한 비디오 광고 제작을 더 쉽게 만들고 새로운 크리에이티브 도구를 더 빠르게 시장에 출시합니다.With GPT-6 Astra, Higgsfield AI makes video ad creation easier for small businesses and brings new creative tools to market faster.

AI의 다음 단계를 위한 빌딩 표준Building standards for the next phase of AI

OpenAI는 안전성 향상을 위해 조정된 평가, 보고 및 거버넌스를 요구하며 공유된 글로벌 AI 표준을 향한 경로를 제시합니다.OpenAI outlines a path to shared global AI standards, calling for coordinated evaluation, reporting, and governance to improve safety.

새로운 학습 경로로 OpenAI Academy 확장Expanding OpenAI Academy with new learning paths

직원, 개발자, 리더, 교육자 및 학생을 위한 새로운 OpenAI Academy 학습 경로를 탐색하여 실질적인 AI 기술을 구축하고 시연하세요.Explore new OpenAI Academy learning paths for employees, developers, leaders, educators, and students to build and demonstrate practical AI skills.

V7이 AI 에이전트에 기관 메모리를 제공하는 방법How V7 gives AI agents institutional memory

GPT-5.6을 사용하여 V7은 흩어져 있는 회사 파일을 에이전트가 복잡하고 소스 연결된 작업을 완료하는 데 사용할 수 있는 컨텍스트로 전환합니다.Using GPT-5.6, V7 turns scattered company files into context agents can use to complete complex, source-linked work.

Grok 4.7 소개Introducing Grok 4.7

SpaceXAI의 코딩 및 지식 작업을 위한 가장 강력한 모델입니다. 비교 가능한 모델보다 두 배 빠르고 가격은 절반입니다.SpaceXAI's most powerful model for coding and knowledge work. Twice as fast, at half the price of comparable models.

호주 청소년 안전 청사진 소개Introducing the Australian Youth Safety Blueprint

OpenAI는 청소년을 보호하고 역량을 강화하는 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.

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

녹색 그리드 배경 전체에 'AI 및 경제 연구 프로그램' 텍스트가 표시되고 오른쪽 하단에 Google G 로고가 있습니다.Text "AI & Economy Research Program" all over a green grid background, with the Google G logo in the bottom right corner

Google과 함께 패션의 미래를 공동 창작Co-creating the future of fashion with Google

Jane Wade와 Sergio HudsonJane Wade and Sergio Hudson

임베디드 평가를 위한 Accenture와의 파트너십Partnering with Accenture on embedded evaluation

우리는 Accenture와 함께 최첨단 AI의 독립적인 평가를 위해 파트너십을 맺고 있습니다. 이는 최근 Anthropic에 평가자를 임베딩하기로 한 우리의 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 음성 받아쓰기 2.0 소개Introducing Grok Voice Transcribe 2.0

SpaceXAI의 최신 음성-텍스트 모델을 발표합니다. 탁월한 정확성과 비용 효율성을 자랑합니다.Announcing SpaceXAI's newest speech-to-text model, with unparalleled accuracy and cost effectiveness.

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

AI는 지혜가 없고, 당신도 없을 것이다AI Has No Wisdom and Neither Will You

분명히 산업은 변화하고 있지만, 더 이상 코드를 읽고 쓰지 않는 함정에 빠지는 사람들과 조직은 스스로 위험을 감수하는 것입니다.Certainly the industry is transforming, however, the people and organizations falling into the trap of no longer reading and writing code only do so at their peril.

연구: 젊은 사용자(9~18세), 구글 대신 AI 선택…미지의 결과 초래Study: Young users (9 to 18Y) ditch Google for AI, with unknown consequences

인공지능 사용이 어린 학생들에게 미치는 영향에 대한 약 200건의 연구를 검토한 결과, 우리가 아는 것이 거의 없다는 사실이 밝혀졌습니다.A review of nearly 200 studies on how artificial intelligence reveals we know very little about how AI use impacts younger school children.

Nscale의 IPO, 집중적인 AI 투자에 대한 월스트리트의 의지 재확인할까Nscale’s IPO will test Wall Street’s appetite for concentrated AI bets once again

영국 AI 데이터 센터 개발업체는 매출의 대부분을 기술 대기업 Microsoft와 Anthropic에 의존하고 있습니다.The British AI data center developer depends on tech giants Microsoft and Anthropic for most of its revenue.

Apple 스토어를 구축한 인물, AI 쇼핑에 대한 실리콘밸리의 베팅을 믿지 않다The man who built Apple’s stores doesn’t buy Silicon Valley’s bet on AI shopping

Apple 스토어 건축가 Ron Johnson은 Apple의 비결은 항상 사람에 있었다고 말합니다.Apple Store architect Ron Johnson says Apple's secret sauce has always been its people.

'DeepSeek보다 낫다': 샤오미의 MiMo-V2.6-Pro, 세계 최고 오픈 웨이트 모델로 데뷔, 더 저렴한 V2.6-Flash와 함께'Better than DeepSeek': Xiaomi's MiMo-V2.6-Pro debuts as the top open weights model in the world alongside cheaper V2.6-Flash

놀라운 이변으로, 중국 전기차 및 가전제품 제조업체 샤오미가 성장하는 MiMo 언어 모델 제품군의 최신 버전을 출시했으며, MiMo-V2.6-Pro는 제3자 벤치마킹 회사인 Artificial Analysis의 Intelligence Index에서 46점을 기록하며 세계 최고 성능의 오픈 웨이트 모델로 등장했습니다. 더 읽어보기In a surprising upset, Chinese electric car and consumer electronics manufacturer Xiaomi has released the latest version of its growing family of MiMo language models, and MiMo-V2.6-Pro has arrived as the top-performing open-weight model in the world on third-party benchmarking firm Artificial Analy

올여름 AI 과대광고에 속지 마세요Don’t be fooled by this summer of AI hype

AI 과대광고로 인해 몇 달간 매우 바빴습니다. 4월 말, Anthropic은 자사 모델 Claude Mythos가 대부분의 보안 전문가보다 소프트웨어 취약점을 찾는 데 더 뛰어나다고 주장했습니다. 그런 다음 OpenAI-Hugging Face 해킹 사건이 있었고, 그 후 Anthropic(자랑스럽게)과 Meta(마지못해)는 자사 모델과 관련된 유사한 사건을 공개했습니다. 그 뒤를 이어...It’s been a busy few months for AI hype. At the end of April, Anthropic claimed that its model Claude Mythos is better at finding software vulnerabilities than most security experts. Then we had the OpenAI–Hugging Face hacking incident, after which Anthropic (proudly) and Meta (reluctantly) disclose

AI 코딩이 CI를 병목 현상으로 만들었기에, 우리는 따라잡기 위해 CI를 재작업했다AI coding has made CI a bottleneck, so we reworked ours to keep up

우리는 CI를 시스템으로 재고하여, 기반 인프라부터 작업 스케줄링 및 테스트 병렬화 방식까지 개선함으로써 PR 대기 시간과 운영 비용을 절감했습니다.We cut PR wait time and running costs by rethinking CI as a system, from the infrastructure underneath it to how work gets scheduled and tests get parallelized.

macOS 27: AI 모델 다운로드 방지 및 저장 공간 절약을 위한 해결책macOS 27: Workaround to avoid downloading AI models and save storage

Hacker News (218점, 댓글 107개)Hacker News (218 points, 107 comments)

자체 하드웨어에서 프론티어 AIFrontier AI on Your Own Hardware

수업 중 하나에서 저는 묻기 두려웠지만 답을 꼭 알아야 했던 질문을 했습니다. "졸업 후 취업을 못 할까 봐 두려운 사람?" 방에 있던 150명 중 약 80%가 손을 들었습니다. 이는 대략 120명의 학생들이 동시에, 그들이 [...]라고 답한 것입니다.In one of my classes I asked the question I was afraid to ask but I just needed the answer to: “Who is afraid of not getting a job after graduating?” About eighty percent of the 150 people in the room raised their hands. That is roughly 120 students answering, in one motion, that

캘리포니아, AI 데이터 센터 에너지 및 물 사용 규제 강화California tightens rules on AI data center energy and water use

Gavin Newsom 캘리포니아 주지사는 AI 데이터 센터가 유틸리티 비용을 주민들에게 전가하는 것을 방지하기 위한 7개 법안에 서명했습니다. 이 법안 패키지는 캘리포니아 공공 유틸리티 위원회에 데이터 센터에 대한 새로운 요금 분류를 도입하도록 요구하는 동시에 […] 업그레이드 비용을 지불하도록 강제합니다.California Gov. Gavin Newsom has signed seven bills designed to prevent AI data centers from passing utility costs onto residents, as reported earlier by the Los Angeles Times. The package of laws requires the California Public Utilities Commission to introduce a new rate classification for data cen

메타의 엄청난 권한을 가진 AI 비서 Muse, 심각한 제로데이 취약점 발견Muse, Meta's extraordinarily privileged AI assistant, has a serious 0-day

단순한 ClickFix 공격만으로도 새로운 에이전트를 완전히 납치할 수 있습니다.A simple ClickFix attack is only one way to completely hijack the new agent.

Microsoft, 인도 클라우드 인프라 전반에 AI 준비 기능 도입Microsoft brings AI-ready capabilities across its India cloud infrastructure

Microsoft, 인도 클라우드 인프라 전반에 AI 준비 기능 도입 이라는 게시물이 Source에 처음 게재되었습니다.The post Microsoft brings AI-ready capabilities across its India cloud infrastructure appeared first on Source.

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.

Transformers, 이제 llama.cpp quants 실행 가능Transformers now runs llama.cpp quants

oMLX 제작자 겸 유지보수 담당자 Jun Kim, MLX 커뮤니티 지원 위해 Hugging Face 합류Jun Kim, oMLX creator and maintainer, joins Hugging Face to support the MLX community

Jev, 새로운 형태의 LLM - System One, 즉 Decision Models 출시Jev introduces a new shape of LLM - System One, aka Decision Models

지난주 TypeSafe AI는 "System One 모델"이라고 부르는 새로운 범주의 첫 번째 예시인 Jev를 공개했습니다. (저는 Maggie Appleton과 마찬가지로 "decision models"가 이 모델들에 더 나은 이름이라고 생각합니다.) Jev는 일반적인 LLM 형식의 흥미로운 변형입니다. 텍스트 입력을 계속 받지만, 텍스트 출력 대신 범주, 예/아니오 질문, 등급 및 관련 신뢰도 점수에 해당하는 부동 소수점 숫자를 반환합니다. TypeSafe는 Jev를 다음과 같이 설명합니다: Last week TypeSafe AI unveiled Jev, their first example of a new category of model that they are calling "System One models" (I'm with Maggie Appleton, I think "decision models" is a better name for these). Jev is an interesting variant on the usual LLM format: it still acce

코드를 읽어야 할까, RAG는 끝났는가, Skills가 MCP를 죽였는가?Should you read the code, is RAG dead, and did Skills kill MCP?

GitHub 팟캐스트 최신 에피소드에서 이 질문들과 다른 AI 관련 뜨거운 주제들을 다룹니다. 코드를 읽어야 할까, RAG는 끝났는가, Skills가 MCP를 죽였는가? 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.

GameHorizon Suite: 게임 플레이에서의 다중 호라이즌 데이터 및 평가GameHorizon Suite: Multi-Horizon Data and Evaluation in Gameplay

현대 비디오 게임은 시각적 이해, 지시 분해, 목표 계획 및 여러 시간적 호라이즌에 걸친 정확한 액션 제어 능력을 결합하여 AI 모델을 위한 측정 가능한 테스트베드를 제공합니다. 그러나 기존 데이터셋 및 벤치마크는 게임 범위를 좁게 하거나, 언어 지시가 부족하거나, 높은 분산의 온라인 롤아웃에 의존합니다. 이러한 과제를 해결하기 위해 우리는 다양한 수준에서 게임 플레이 능력을 측정하는 통합 데이터 및 평가 스위트인 GameHorizon을 소개합니다.Modern video games provide a measurable testbed for AI models, combining abilities of visual understanding, instruction decomposition, goal planning, and precise action control over multiple temporal horizons. Existing datasets and benchmarks, however, either cover a narrow range of games, lack lang

WorldCrafter: 암시적 3D 인식 메모리를 갖춘 일관된 비디오 월드 모델WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory

비디오 월드 모델은 동적 환경의 대화형 탐색을 가능하게 하지만, 장기 호라이즌 및 시점 전반에 걸쳐 이전 관찰을 존중하는 데 어려움을 겪습니다. 우리는 이를 위해 카메라 쿼리 가능한 암시적 3D 인식 메모리를 학습하는 비디오 월드 모델인 WorldCrafter를 제시합니다. 핵심 아이디어는 요청된 시점이 다중 뷰 증거가 비디오 생성기의 제한된 토큰 예산에 어떻게 압축되는지를 형성하도록 하는 것입니다. 비디오 생성기와 공동으로 학습된 메모리 인코더 및 포즈 조건부...Video world models enable interactive exploration of dynamic environments, yet struggle to respect prior observations over long horizons and across viewpoints. We present WorldCrafter, a video world model that learns a camera-queryable implicit 3D-aware memory for this purpose. The key insight is to

DexTacWAM: 민첩한 조작을 위한 시각-촉각 월드-액션 모델DexTacWAM: A Visuo-Tactile World-Action Model for Dexterous Manipulation

민첩한 조작은 종종 비전에서 부분적으로만 관찰 가능한 접촉 역학에 의존합니다. 최근 월드-액션 모델(WAM)은 예측 비디오 월드 모델링과 액션 생성을 결합하지만, 대부분 비전 중심적이어서 이러한 접촉 역학을 직접 모델링할 수 없습니다. 우리는 각 손가락 끝을 독립적으로 인코딩하고, 손가락 및 포즈 인식 촉각 압축기를 통해 결과 특징을 집계하며, 촉각 잠재적 정보를 주입하는 시각-촉각 WAM인 DexTacWAM을 제시합니다.Dexterous manipulation depends on contact dynamics that are often only partially observable from vision. Recent World-Action Models (WAMs) couple predictive video world modeling with action generation, but remain largely vision-centric and therefore cannot directly model these contact dynamics. We p

Harness-Zero: 에이전트-로서-하네스 증류Harness-Zero: Harness Distillation via Agent-as-Harness

에이전트 하네스, 즉 모델-환경 상호 작용을 중재하는 외부 시스템은 에이전트 성능을 크게 향상시킬 수 있지만, 그 이점은 배포 시 하네스에 고정됩니다. 최적의 하네스는 도메인, 인스턴스 및 모델에 따라 다르기 때문에 범용 에이전트는 최적이 아닌 공유 하네스에 만족하거나 점점 더 많은 전문화된 하네스 중에서 라우팅해야 합니다. 따라서 우리는 에이전트 하네스 증류를 연구합니다. 즉, 도메인 또는 인스턴스 최적화 하네스를 훈련 시간 가이드로 사용합니다.Agent harnesses, the external systems that mediate model-environment interaction, can substantially improve agent performance, but their gains remain tied to the harness at deployment. Because the best harness varies across domains, instances, and models, a general-purpose agent must either settle f

RRSI: 에이전트 하네스의 정규화된 재귀적 자기 개선RRSI: Regularized Recursive Self-Improvement of Agent Harnesses

LLM 에이전트의 능력은 프롬프트, 제어 흐름, 도구, 메모리 및 고정된 백본 모델을 둘러싼 컨텍스트 관리인 하네스에 의해 크게 증폭됩니다. 최근 방법들은 에이전트 하네스의 구성 요소별 편집을 반복적으로 제안하고 선택함으로써 이 프로세스를 점점 더 자동화하여, 에이전트-시스템 수준에서 사실상의 재귀적 자기 개선(RSI)을 확립합니다. 그러나 이러한 재귀적 진화는 훈련 작업을 기억함으로써 과적합될 수 있으며, 큰 인-An LLM agent's capability is largely magnified by its harness, namely the prompts, control flow, tooling, memory, and context management surrounding the frozen backbone model. Recent methods increasingly automate this process by iteratively proposing and selecting component-wise edits of an age

DolphinBench: 에이전트 메모리의 파레토 최전선 매핑DolphinBench: Mapping the Pareto Frontier of Agent Memory

오늘날 에이전트는 종종 장기 메모리 및 시간 경과에 따른 컨텍스트 검색에 의존하는 실제 작업을 수행합니다. 그러나 대부분의 현재 메모리 벤치마크는 대화형 질문-답변 형식을 위해 구축되었으며, 질문 자체가 일부 사실을 검색해야 함을 신호하고 종종 어떤 사실인지를 나타냅니다. 또한, 벤치마크는 제출물에 정확성 이상의 것을 거의 요구하지 않아 메모리 시스템이 더 높은 점수를 달성하기 위해 비합리적인 비용/시간 절충을 할 수 있습니다. 우리는 벤치마크인 DolphinBench를 소개합니다.Agents today often take real-world actions that depend on long-term memory and context recall over time. However, most current memory benchmarks are built for a conversational question-answer format, where the question itself signals that some fact must be retrieved, and often which one. Moreover, b

Critical-State RL: 다중 턴 도구 사용을 위한 학습 가능한 상태 진단Critical-State RL: Diagnosing Trainable States for Multi-Turn Tool Use

다중 턴 도구 사용 실패는 단일 모델 호출에 달려 있을 수 있지만, 보상 변동만으로는 어떤 호출이 훈련의 이점을 얻을 수 있는지 알 수 없습니다. 보상이 후속 상호 작용에 의존할 때, 그 변동은 현재 행동 간의 차이가 아닌 다운스트림 무작위성을 반영할 수 있습니다. 우리는 다중 턴 상호 작용에서 학습 가능한 상태를 식별하기 위해 Critical-State RL을 도입합니다. 작업 정의 후보 호출 및 로컬 보상이 주어지면, 이 방법은 각 보상이 행동의 효과를 포착하는지 여부를 평가합니다.Multi-turn tool-use failures can hinge on a single model call, yet reward variation alone does not reveal which call would benefit from training. When rewards depend on later interactions, their variation can reflect downstream randomness rather than differences between the current actions. We intro

onPanda: 토큰 수준 수정을 통한 LLM 및 에이전트의 온-정책 정렬 데이터 효율적 주석onPanda: Efficient Annotation of On-Policy Alignment Data for LLMs and Agents via Token-Level Correction

저희는 LLM 정렬 데이터 및 에이전트 궤적을 효율적으로 주석 처리하기 위한 대화형 도구인 onPanda를 소개합니다. onPanda는 토큰 수준 수정을 핵심 상호작용으로 채택합니다. 주석 작성자는 모델 응답을 읽으면서 첫 번째 부적절한 토큰을 찾아 모델의 후보 토큰 중에서 대체 토큰을 선택하거나 자유 형식 편집을 통해 올바른 텍스트를 입력합니다. 시스템은 해당 위치 이후의 모든 것을 잘라내고 수정된 접두사부터 생성을 계속하며 이 과정을 반복합니다.We present onPanda, an interactive tool for efficiently annotating LLM alignment data and agent trajectories. onPanda adopts token-level correction as its core interaction: while reading a model response, the annotator locates the first inappropriate token and either picks a substitute from the mode

효율적인 온디바이스 LLM 생성형 개인화를 위한 LoRA 생성 하이퍼네트워크LoRA-generating hypernetworks for efficient on-device LLM generative personalization

모바일 폰 등 온디바이스 대규모 언어 모델(LLM)은 개인화를 통해 개선될 여지가 많습니다. 모바일 기기의 제한된 컴퓨팅 자원은 모델 규모와 품질에 제약을 가하므로, 실현 가능한 품질 향상은 매우 중요합니다. 동시에, 개인적인 특성(즉, 특정 사용자와의 밀접한 연결)은 주어진 온디바이스 LLM이 시간이 지남에 따라 유사하고 예측 가능한 패턴으로 사용되는 경향이 있음을 의미합니다. 본 논문은 새로운 방법을 제시합니다.On-device large language models (`LLMs'), e.g. running on mobile phones, are ripe for improvement via personalization. The limited compute resources of mobile devices impose limits on model scale and thus model quality, making any realizable quality gains highly impactful. At the same time, the

JAREX: 다목적 알고리즘 공정 특성화를 위한 획득 함수JAREX: An Acquisition Function for Multi-Objective Algorithmic Process Characterization

제약 공정 특성화는 품질 설계(Quality by Design)의 핵심이며, 공정 매개변수의 변화가 제품 품질 사양 충족 능력에 어떻게 영향을 미치는지 정의하여 입증된 허용 범위와 견고한 제조를 지원합니다. 그러나 실제로는 특성화가 여전히 주로 요인 설계(DOE) 접근 방식에 의존하고 있으며, 이는 고차원 공간에서 다변량 합격/불합격 경계를 해결하는 데 비효율적입니다. 베이지안 최적화가...Pharmaceutical process characterization is central to Quality by Design because it defines how variations in process parameters affect the ability to meet product quality specifications, thereby supporting proven acceptable ranges and robust manufacturing. In practice, however, characterization stil

불완전한 조상으로부터 물리학 학습Learning Physics from an Imperfect Ancestor

신경 연산자(Neural operators)는 매개변수 편미분 방정식을 저렴하게 평가하지만, 훈련 분포를 벗어나면 성능이 급격히 저하됩니다. 물리 정보 신경망(Physics-informed neural networks, PINN)은 레이블이 지정된 데이터에 대한 의존성을 피하지만, 최적화가 '분지 취약(basin-fragile)'할 수 있습니다. 즉, 지배 잔차가 여러 해를 허용할 때, 처음부터 훈련된 PINN은 작은 잔차를 달성했음에도 불구하고 물리적으로 잘못된 상태로 수렴할 수 있습니다. 우리는 이러한 실패 모Neural operators evaluate parametric partial differential equations cheaply but degrade sharply outside their training distribution. Physics-informed neural networks avoid dependence on labeled data, yet their optimization can be basin-fragile: when the governing residual admits multiple solutions,

추론의 정확성: 분포 외 일반화를 위한 표현 기준Exactness at Inference: A Representational Criterion for Out-of-Distribution Generalization

모델은 훈련 분포 밖에서 일반화될 때, 생성 메커니즘에 맞춰진 근사치가 아니라 구조적으로 동등한 표현을 계산할 때만 가능합니다. 이러한 동등성은 분포 내외의 정확성에 필수적이며, 외삽은 그 실현 방식에 관계없이 추론 시의 이러한 정확성에 의해 좌우됩니다. 텐서 논리(Tensor Logic)는 이를 보여줍니다. 제로 온도 수축은 이산 논리와 동등하며, 추출된 인공물 없이 제자리에서 추론하고, 그 텐서는 부울이며...A model generalizes outside its training distribution only when it computes a representation structurally equivalent to the generating mechanism, not an approximation fitted to it. Such equivalence is necessary for exactness in and out of distribution, and extrapolation is governed by this exactness

해석 가능한 텍스트 함의를 위한 언어적 특징Linguistic Features for Interpretable Textual Entailment

신경 모델이 자연어 처리에서 성공을 거두었음에도 불구하고, 그들의 블랙박스 특성은 해석 가능성을 제한하고 예측의 기저에 있는 언어 현상을 숨깁니다. 우리는 의미론적 분석의 두 가지 보완적인 계층을 통합하는 텍스트 함의 인식(Recognizing Textual Entailment)을 위한 설명 가능한 하이브리드 모델인 SLITE를 제시합니다. 하나는 구성 요소 간의 의미론적 호환성 및 비호환성에 기반한 구조-관계 계층이고, 다른 하나는 구조에 기반한 분포-정보 계층입니다.Despite the success of neural models in natural language processing, their black-box nature limits interpretability and conceals the linguistic phenomena underlying their predictions. We present SLITE, an explainable hybrid model for Recognizing Textual Entailment that integrates two complementary l

SocioVerse2: 인간-AI 공진화 패러다임 하의 종단적 동적 사회 시뮬레이션 프레임워크SocioVerse2: A Longitudinal Dynamic Social Simulation Framework under a Human-AI Co-evolutionary Paradigm

사회 시뮬레이션은 사회 과학에 현실 세계가 제공할 수 없는 실험 도구를 제공하며, 생성형 에이전트는 에이전트 기반 모델링과 실제 행동 데이터를 결합하는 실리콘 샘플 역할을 함으로써 이를 변화시켰습니다. 기존 플랫폼은 집단 행동을 검증하고, 시뮬레이션된 인구를 횡단면에서 실제 사회와 정렬하며, 연구 과정에 자율 에이전트를 활용합니다. 그러나 두 가지 사회 과학 요구 사항은 체계적인 지원 없이 남아 있습니다. 즉, 개입과...Social simulation offers the social sciences an experimental instrument that the real world cannot supply, and generative agents have transformed it by acting as silicon samples that unite agent-based modeling with real behavioral data. Existing platforms verify collective behavior, align simulated

ToneCL: 소수 학습 음절 수준 성조 분류를 위한 대조 학습ToneCL: Contrastive Learning for Few-Shot Syllable-Level Tone Classification

성조 언어는 전 세계 언어의 50~70% 이상을 차지하지만, 대다수는 저자원 언어로, 자동 성조 분류에 필요한 대규모 전사 코퍼스가 부족합니다. 기존 데이터셋은 일반적으로 문장 수준에서 수집되는 반면, 현장 언어학자들은 세분화된 음절 수준 주석을 필요로 합니다. 우리는 소수 학습 음절 수준 성조 분류를 위한 경량 대조 학습 프레임워크인 ToneCL을 제안합니다. 우리는 만다린어와 베트남어에서 저자원 조건을 시뮬레이션합니다.Tone languages constitute over 50-70% of the world's languages, but the vast majority are low-resource, lacking the large transcribed corpora needed for automatic tone classification. Existing datasets are typically collected at the sentence level, whereas field linguists require fine-grained s

Import AI 473: 미국의 초지능 전략; 생쥐 두개골 속 인간의 뇌; 기계 해석학Import AI 473: The US's superintelligence strategy; human brain in a mouse skull; and machine hermeneutics

지금 우리 방에 있는 AI가 부딪히고 있는 벽인가?Is the wall AI is hitting in the room with us right now?

AI 안전성 논의, 믿기 어려울 정도로 변질AI safety conversations have gotten unbelievable

이번 주 AI 안전성에 대한 두 가지 논의가 입소문을 타면서 AI의 사실과 허구를 구별하는 것이 얼마나 어려운지 보여주었습니다.This week two conversations about AI safety went viral that demonstrate just how hard it is to discern AI fact from fiction.

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

초록: 이전 논문들(Kosoy 2026a,b)에서 우리는 문자열학적 단어 복잡도 측정에 적응된 시퀀스 예측 알고리즘 연구를 시작했습니다. 특히, 우리는 다항 시간 예측 알고리즘을 허용하는 산술 반복 복잡도(ARC)라는 복잡도 측정치를 정의했으며, 이는 복잡도에 대해 준선형적인 오류 경계를 가집니다. 여기서는 ARC와 관련된 더 약한 복잡도 측정치를 보여주며, 이는 특히 효율적인 예측 알고리즘, 즉 준선형 시간으로 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

Gavin Newsom, AI 킬 스위치 추진Gavin Newsom is pushing for an AI kill switch

Gavin Newsom 캘리포니아 주지사(민주당)는 금요일 발표된 새로운 행정 명령을 통해 최첨단 모델에 대한 "킬 스위치"를 의무화할 가능성을 포함하여 AI 감독을 주도할 수 있도록 주를 포지셔닝하고 있습니다. Newsom의 명령은 주가 두 달 안에 권고안을 제공할 전문가 그룹을 소집하도록 지시합니다. […]California Gov. Gavin Newsom (D) is positioning the state to take the lead on AI oversight, including the potential to mandate a "kill switch" for frontier models, with a new executive order issued Friday. Newsom's order directs the state to convene a group of experts that will delive

OpenAI, 6건의 새로운 AI 안전 사고 공개OpenAI discloses six new AI safety incidents

해커 뉴스 (6점, 0 댓글)Hacker News (6 points, 0 comments)

네, Jev는 미쳤지만 함정이 있습니다Yes, Jev Is Insane, But There's A Catch

❤️ Lambda를 여기서 확인하고 GPU 클라우드에 가입하세요: https://lambda.ai/papers 📝 Jev: https://typesafe.ai/blog/introducing-system-one-models-and-jev 전체 노래: https://www.youtube.com/watch?v=4RtUJkjrKMI 이전 논문, 구현, 모델: https://huggingface.co/convaiinnovations/laya https://arxiv.org/abs/2503.23303 https://huggingface.co/❤️ Check out Lambda here and sign up for their GPU Cloud: https://lambda.ai/papers 📝 Jev: https://typesafe.ai/blog/introducing-system-one-models-and-jev Full song: https://www.youtube.com/watch?v=4RtUJkjrKMI Previous papers, implementations, models: https://huggingface.co/convaiinnovations/laya http

이 로봇은 악마처럼 보입니다... 의도적으로?This Robot Looks DEMONIC... On Purpose?

이 로봇은 판타지 영화 악당처럼 보이지만 의도적으로 그렇게 디자인되었습니다. 외모와 달리 Threehalves 로봇의 디자인은 실제로 완벽하게 말이 됩니다. 네 개의 다리로 안정성을 확보하고, 손목에 직접 부착되는 도구, 그리고 원격 조종사를 위한 카메라를 수용하는 뿔이 있습니다. 목표는 숙련된 작업자가 산불 지역, 무너진 건물, 유독성 환경과 같은 위험한 작업을 안전한 거리에서 처리할 수 있도록 하는 것입니다. 아직 반쯤 만들어진 개념 증명입니다. 하지만 이것은...This robot looks straight up like a fantasy movie villain, but it was designed like that on purpose. Despite how it looks, the Threehalves robot's design actually makes perfect sense: four legs for stability, tools that attach directly to its wrists, and horns that house cameras for a remote op

전 OpenAI 연구원이 LLM에서 언어를 삭제했습니다...An ex-OpenAI researcher just deleted language from the LLM...

Mux는 오디오를 번역하고 동영상에 대한 질문에 답하는 비디오 API입니다. $50 상당의 무료 크레딧을 받으세요: https://mux.com/fireship 전 OpenAI 연구원 Diogo Almeida는 2년 동안 은둔하며 Jev를 개발했습니다. "시스템 1" AI 모델인 Jev는 말하거나 코드를 작성할 수는 없지만 200배 더 빠르고, 400배 저렴하며, 환각이 없다고 주장합니다. 자세히 알아보겠습니다. 더 많은 Fireship을 원하시나요? 🗞️ 뉴스레터: https://bytes.dev 🧠 코스: htMux is the video API that translates audio and answers questions about your video. Get $50 in free credits: https://mux.com/fireship Ex-OpenAI researcher Diogo Almeida spent two years in stealth building Jev, a "System 1" AI model that can't talk or write code but claims to be 200x fa