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 중소기업의 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 안전 개선을 위해 조정된 평가, 보고 및 거버넌스를 요구하며 공유된 글로벌 AI 표준으로 가는 길을 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 실용적인 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 분산된 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 업무를 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 젊은이들을 보호하고 권한을 부여하는 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" 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 창조Co-creating the future of fashion with Google

Jane Wade와 Sergio HudsonJane Wade and Sergio Hudson

액센추어와의 임베디드 평가 파트너십Partnering with Accenture on embedded evaluation

우리는 액센추어와 함께 최첨단 AI의 독립적인 평가를 위한 파트너십을 맺고 있습니다. 이는 앤트로픽에 평가자를 임베딩하겠다는 최근 약속의 일부입니다. 우리와 액센추어 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 정확도와 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

애플 스토어를 만든 사람이 실리콘밸리의 AI 쇼핑 베팅을 믿지 않는 이유The man who built Apple’s stores doesn’t buy Silicon Valley’s bet on AI shopping

애플 스토어 건축가 론 존슨은 애플의 비결은 언제나 사람이었다고 말합니다.Apple Store architect Ron Johnson says Apple's secret sauce has always been its people.

macOS 27: AI 모델 다운로드를 피하고 저장 공간을 절약하는 해결책macOS 27: Workaround to avoid downloading AI models and save storage

해커 뉴스 (208점, 댓글 98개)Hacker News (208 points, 98 comments)

AI 코딩으로 CI가 병목 현상이 되어, 우리는 이를 따라잡기 위해 CI를 재작업했습니다.AI coding has made CI a bottleneck, so we reworked ours to keep up

우리는 CI를 시스템으로 재고하여, 기본 인프라부터 작업 스케줄링 및 테스트 병렬화 방식에 이르기까지 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.

자신의 하드웨어에서 프론티어 AI 실행하기Frontier AI on Your Own Hardware

한 수업에서 저는 묻기 두려웠지만 답을 꼭 알아야 했던 질문을 했습니다. '졸업 후 직업을 얻지 못할까 봐 두려운 사람?' 방에 있던 150명 중 약 80%가 손을 들었습니다. 이는 대략 120명의 학생들이 한 번에 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

수학 및 인공지능 자문 그룹The Advisory Group on Mathematics and Artificial Intelligence

[이 글은 수학 및 인공지능 자문 그룹의 게스트 게시물입니다. 이 블로그 게시물은 원래 다른 파일 형식으로 작성되었으며 AI를 사용하여 변환되었습니다. — T.] 우리는...[This is a guest post by the Advisory Group on Mathematics and Artificial Intelligence. This blog post was initially written in a different file format and converted using AI. — T.] We would …

HN 공개: Lossless-memory – 요약하지 않는 개인 AI 메모리Show HN: Lossless-memory – a personal AI memory that never summarizes

개인 AI를 위한 무손실 장기 메모리: 절대 요약하지 않고, 모든 줄을 보존하며, 모든 것에 타임스탬프를 기록합니다. - aru-labs/lossless-memoryLossless long-term memory for a personal AI: never summarize, keep every line, put a timestamp on everything. - aru-labs/lossless-memory

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

개빈 뉴섬 캘리포니아 주지사는 AI 데이터 센터가 유틸리티 비용을 주민에게 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

Meta의 매우 특권적인 AI 비서 Muse, 심각한 제로데이 취약점 보유Muse, Meta's extraordinarily privileged AI assistant, has a serious 0-day

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

Grok 4.7, 코딩 성능 향상과 동일한 합리적인 가격 제공 — 하지만 높은 토큰 소비량은 실제 ROI 위협Grok 4.7 pairs coding gains with the same affordable pricing — but high token consumption threatens real-world ROI

SpaceXAI는 오늘 코딩 및 전문 지식 작업을 위한 최신 모델인 Grok 4.7을 출시했습니다. 이 모델은 벤치마크(특히 코딩 또는 터미널 벤치)에서 성능이 향상되었고, 강화 학습 실행 시간이 길어졌으며, 몇 시간 동안 지속될 수 있는 작업에서 시스템의 안정성을 높이기 위한 새로운 안전 장치 스택을 갖추고 있습니다. 더 읽어보기SpaceXAI earlier today released Grok 4.7, its latest model for coding and professional knowledge work, with improved performance on benchmarks (especially coding, or Terminal Bench), a longer reinforcement-learning run and a new safeguard stack aimed at making the system more reliable on tasks that

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

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

미국 국경 '가상 벽'에서 발견된 실패를 해결하는 4가지 방법4 ways to address the failures we found along the US border’s “virtual wall”

MIT Technology Review는 오늘 미국 정부가 미국-멕시코 국경을 따라 설치한 감시 타워의 '가상 벽' 근처에서 얼마나 많은 사람들이 사망했는지에 대한 우리의 조사를 발표했습니다. 우리는 고급 AI 기반 타워로 감시되는 지역을 탐지되지 않고 통과한 후 근처에서 사망하여 시신이 오랫동안 발견되지 않은 사례를 발견했습니다...MIT Technology Review today published our investigation into how many people have died near the “virtual wall” of surveillance towers that the US government has installed along the US-Mexico border. We found cases of people who walked undetected through areas surveilled by advanced, AI-enabled tower

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.

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 예인 Jev를 공개했습니다(저는 Maggie Appleton과 마찬가지로 "결정 모델"이 이러한 모델에 더 나은 이름이라고 생각합니다). Jev는 일반적인 LLM 형식의 흥미로운 변형입니다. 여전히 텍스트 입력을 받지만 텍스트 출력 대신 범주, 예/아니오 질문, 등급 및 관련 신뢰도 점수에 해당하는 부동 소수점 숫자를 반환합니다. TypeSafe는 Jev를 다음과 같이 설명합니다. Jev를 프론티어처럼 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

물리학자처럼 LLM 가지치기: 아이징 최적화 문제로서의 블록 제거Pruning LLMs Like a Physicist: Block Removal as an Ising Optimization Problem

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

GitHub Podcast의 최신 에피소드에서 이러한 질문과 기타 AI 관련 뜨거운 주제를 다룹니다. 게시물: 코드를 읽어야 할까, RAG는 끝났을까, Skills가 MCP를 죽였을까? The GitHub Blog에 처음 게시되었습니다.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.

Designer-RSI: 사용자 트래픽에서 에이전트형 그래픽 디자인을 위한 절차적 메모리 진화Designer-RSI: Evolving Procedural Memory from User Traffic for Agentic Graphic Design

전문 그래픽 디자인은 구조화되고 편집 가능한 아티팩트가 많은 상호 의존적인 행동에서 발생하는 장기 에이전트형 작업이지만, 결과는 신뢰할 수 있는 프로그래밍 가능한 오라클을 허용하지 않습니다. 우리는 동결된 최첨단 모델이 230개 이상의 도구를 통해 전문 디자인 소프트웨어를 운영하는 지속적인 적응 프레임워크를 도입합니다. 동시에 자연어 기술의 외부 절차적 메모리가 경험에서 재사용 가능한 디자인 절차를 축적하고 개선합니다. 메모리는 ""를 획득함으로써 확장됩니다.Professional graphic design is a long-horizon agentic task in which structured, editable artifacts emerge from many interdependent actions, yet outcomes admit no reliable programmatic oracle. We introduce a continual adaptation framework in which a frozen frontier model operates professional design

CodeMidas: 코드 자체에서 에이전트형 코딩 RL 환경 확장CodeMidas: Scaling Agentic Coding RL Environments from Code Itself

강화 학습(RL)을 통해 유능한 코딩 에이전트를 훈련하려면 신뢰할 수 있는 검증자가 있는 다양한 작업이 필요합니다. 오픈 소스 코드베이스는 이러한 작업의 풍부한 소스를 제공하지만, 기존 방법은 일반적으로 이슈 및 커밋과 같은 개발 아티팩트에 의존하여 추출할 수 있는 작업 범위를 제한합니다. RL 환경을 더 잘 확장하기 위해 기존 코드베이스의 구현된 기능을 소스 코드를 사용하여 실행 가능한 RL 환경으로 전환하는 에이전트 파이프라인인 CodeMidas를 제시합니다.Training capable coding agents via reinforcement learning (RL) requires diverse tasks with reliable verifiers. Open-source codebases offer a rich source of such tasks, while existing methods typically rely on development artifacts such as issues and commits, limiting the range of tasks that can be e

일상 AI 에이전트 사용에서의 가치 민감 위임: 오픈클로를 통한 증거Value-Sensitive Delegation in Everyday AI Agent Use: Evidence from OpenClaw

사용자들은 자율 AI 에이전트에게 업무를 위임하는 비중이 점차 늘고 있지만, 평가는 사용자가 우선시하는 가치보다는 주로 작업 완료 여부를 측정합니다. 가치 민감 디자인(Value Sensitive Design)을 활용하여, 저희는 LLM의 도움을 받아 OpenClaw 사용에 관한 73,093개의 1인칭 레딧 게시물을 각 게시물의 인간 가치, 에이전트 측면, 가치 충족, 그리고 사용자 결과를 기준으로 분석했습니다. 21가지 가치는 자율성(Autonomo)을 포함한 6개의 가치 그룹으로 구성됩니다.Users increasingly delegate work to autonomous AI agents, yet evaluations typically measure task completion rather than the values users prioritize. Using Value Sensitive Design, we analyzed, with LLM assistance, 73,093 first-person Reddit posts about using OpenClaw, each for its human value, agent

그리세아: 대화형 AI 연구를 위한 개방형 과학 플랫폼Gricea: An Open Science Platform for Conversational AI Research

We need studies on conversational AI (CAI) at scale to understand human behavior and shape CAI design. However, fragmented reporting of systems and study configurations hinders replication, extension, and knowledge accumulation. We present Gricea, an open-science platform representing studies as conWe need studies on conversational AI (CAI) at scale to understand human behavior and shape CAI design. However, fragmented reporting of systems and study configurations hinders replication, extension, and knowledge accumulation. We present Gricea, an open-science platform representing studies as con

DiaVLo: 시각-언어 모델 행동 진단DiaVLo: Diagnosing Behaviours of Vision-Language Models

Vision-language models (VLMs) rely on storing and transferring appropriate information across their sub-components. Verifying that the VLMs exhibit desired behaviours, while avoiding harmful ones, is central to their reliable deployment. Yet, methods that identify VLM behaviours remain scarce. We prVision-language models (VLMs) rely on storing and transferring appropriate information across their sub-components. Verifying that the VLMs exhibit desired behaviours, while avoiding harmful ones, is central to their reliable deployment. Yet, methods that identify VLM behaviours remain scarce. We pr

LLM 에이전트 내 제어 가능한 의견 역학을 위한 베이지안 신념 계층Bayesian Belief Layer for Controllable Opinion Dynamics in LLM Agents

사회 시뮬레이션 내 LLM 에이전트는 맥락에 따라 암묵적으로 의견을 수정하며, 에이전트가 설득에 얼마나 개방적인지는 명시하거나 검증할 수 없고, 집단적 결과는 모델의 훈련 사전 분포를 계승합니다. 저희는 에이전트가 *무엇을* 믿는지와 *어떻게* 말하는지를 분리하는 최소한의 신념 계층인 베이지안 크로니클 에이전트(BCA)를 소개합니다. 각 입장은 확률이며, 하나의 베이지안 방식으로 업데이트됩니다.LLM agents in social simulation revise their opinions implicitly, in context: how open an agent is to persuasion can neither be specified nor verified, and collective outcomes inherit the model's training prior. We introduce Bayesian Chronicle Agents (BCA), a minimal belief layer separating \em

BrainWideBench: Benchmarking large-scale pretraining and across-animal transfer in multi-region neural recordingsBrainWideBench: Benchmarking large-scale pretraining and across-animal transfer in multi-region neural recordings

Advances in large-scale neural recording have made it possible to collect data across many animals and distributed brain regions, raising the question of whether this scale can be exploited to learn general-purpose neural representations transferable across diverse downstream tasks. Yet, progress toAdvances in large-scale neural recording have made it possible to collect data across many animals and distributed brain regions, raising the question of whether this scale can be exploited to learn general-purpose neural representations transferable across diverse downstream tasks. Yet, progress to

Predictable Failure in Multi-Hop Retrieval: Score-Distributional Confidence Scoring and AbstentionPredictable Failure in Multi-Hop Retrieval: Score-Distributional Confidence Scoring and Abstention

다중 홉 검색 실패는 쿼리별로 균일하게 분포되지 않고, 구조적으로 예측 가능한 하위 집단에 군집합니다. 우리는 이러한 구조를 공식화하는 두 가지 결과를 증명합니다. 첫째 (CWAR 환원성): 확신-실패 감소는 검색 피처가 성공에 대한 상호 정보를 지니는 경우에만 달성 가능하며, 이는 LLM-심사 파이프라인에서 충족되는 조건이지만, den에서는 상당히 약합니다.Multi-hop retrieval failures are not uniformly distributed across queries: they cluster in structurally predictable subpopulations. We prove two results formalizing this structure. First (CWAR Reducibility): confident-failure reduction is achievable if and only if retrieval features carry mutual inf

Benchmarking World Models for Continual Learning on Compositional TasksBenchmarking World Models for Continual Learning on Compositional Tasks

A desirable property of a world model is the ability to learn continually across tasks, adapting to new environments without forgetting what the agent has already learnt. In particular, the ability to retain and reuse knowledge obtained from prior experiences underpins an agent's ability to effA desirable property of a world model is the ability to learn continually across tasks, adapting to new environments without forgetting what the agent has already learnt. In particular, the ability to retain and reuse knowledge obtained from prior experiences underpins an agent's ability to eff

Particle Competition and Cooperation for Robust Graph Convolutional Network Learning Under Label NoiseParticle Competition and Cooperation for Robust Graph Convolutional Network Learning Under Label Noise

Graph Convolutional Networks (GCNs) are highly sensitive to label noise, since corrupted supervision can propagate through the graph and degrade learned node representations. This work proposes PCC+GCN, a hybrid framework that uses Particle Competition and Cooperation (PCC) as a graph-based label-reGraph Convolutional Networks (GCNs) are highly sensitive to label noise, since corrupted supervision can propagate through the graph and degrade learned node representations. This work proposes PCC+GCN, a hybrid framework that uses Particle Competition and Cooperation (PCC) as a graph-based label-re

Available Guardrails: Certifying Selective Prediction across ML SystemsAvailable Guardrails: Certifying Selective Prediction across ML Systems

A selective predictor acts as a safety gate: it returns an output only when the prediction appears sufficiently trustworthy. Deployments increasingly require this reliability to be certified at a target precision for every reporting unit of interest, such as a tool, policy label, or patient subgroupA selective predictor acts as a safety gate: it returns an output only when the prediction appears sufficiently trustworthy. Deployments increasingly require this reliability to be certified at a target precision for every reporting unit of interest, such as a tool, policy label, or patient subgroup

$λ$-Controlled GRPO: Turning Flow-Matching Ratio Instability into a Budgeted Resource$λ$-Controlled GRPO: Turning Flow-Matching Ratio Instability into a Budgeted Resource

Reinforcement learning is increasingly used to align image generators with reward signals, and Flow-GRPO recently extended this paradigm to flow-matching models by treating the denoising sampler as a stochastic policy that can be optimized from reward feedback. Training in this setting is unstable iReinforcement learning is increasingly used to align image generators with reward signals, and Flow-GRPO recently extended this paradigm to flow-matching models by treating the denoising sampler as a stochastic policy that can be optimized from reward feedback. Training in this setting is unstable i

산업재해 서술에서 사고 과정 역할 분류의 교차 부문 일반화Cross-sector generalization of accident-process role classification in occupational accident narratives

산업재해 서술은 작업 상황, 불리한 조건, 사고 발생 및 그 결과에 대한 귀중한 정보를 담고 있습니다. 이러한 서술을 자동으로 구조화하면 대규모 사고 분석을 용이하게 하고 산업 위험 예방을 지원할 수 있습니다. 그러나 사고를 설명하는 데 사용되는 용어와 작성 스타일은 부문과 조직에 따라 상당히 다르므로, 자동화된 코딩 시스템이 훈련 범위를 넘어 일반화할 수 있는 능력에 대한 의문이 제기됩니다.Occupational accident narratives contain valuable information about work situations, unfavourable conditions, accident events, and their consequences. Automatically structuring these narratives can facilitate large-scale accident analysis and support occupational risk prevention. However, the termin

세 가지 신호 상보성에 기반한 LLM 에이전트용 해석 가능한 메모리 결정 컨트롤러: 신뢰도와 일관성 분리An Interpretable Memory Decision Controller for LLM Agents Based on Three-Signal Complementarity: Decoupling Confidence and Consistency

대규모 언어 모델(LLM)을 위한 메모리 시스템은 주로 효율적인 검색에 초점을 맞춰왔지만, 검색된 메모리를 신뢰해야 하는지에 대한 결정은 상대적으로 거의 주목받지 못했습니다. 메모리 저장소가 상충되는 내용을 포함할 때, 표준 검색 증강 생성(RAG)은 메모리를 맹목적으로 주입하고 환각을 증폭시킵니다. 메모리 주입에 취약한 모델에서, 상충되는 메모리 하의 RAG 환각 발생률은 메모리가 없는 모델보다 현저히 높습니다.Memory systems for large language models have focused predominantly on efficient retrieval, whereas the decision of whether retrieved memories should be trusted has received comparatively little attention. When the memory store contains conflicting positions, standard retrieval-augmented generation

QuranicMMLU: 꾸란 언어 지식에 대한 생성형 AI 솔루션 평가를 위한 인지 인식 벤치마크QuranicMMLU: A Cognitively-Aware Benchmark for Evaluating Generative AI Solutions on Quranic Linguistic Knowledge

우리는 언어 복잡성의 여러 차원에 걸쳐 꾸란 아랍어에 대한 생성형 AI를 평가하기 위한 벤치마크인 QuranicMMLU를 소개합니다. 기존 꾸란 벤치마크는 특정 언어 능력을 탐색하거나 인지 요구 및 구절 난이도별로 계층화하지 않고 일반적인 질문 답변 및 의미 검색에 중점을 둡니다. 우리는 음운론, 형태론, 통사론, 의미론, 화용론을 아우르는 5가지 기둥의 꾸란 분류 체계를 구축했으며, 타지위드(tajwīd) 및 어근 분석(root-a) 현상을 다루는 31개의 하위 범주를 포함합니다.We introduce QuranicMMLU, a benchmark for evaluating generative AI on Quranic Arabic across multiple dimensions of linguistic complexity. Existing Quranic benchmarks center on general question answering and semantic retrieval, without probing specific linguistic competencies or stratifying by cognit

RecreationWorld: 하이브리드 컴퓨터 사용 에이전트를 위한 확장 가능하고 검증 가능한 환경RecreationWorld: Scalable and Verifiable Environments for Hybrid Computer-Use Agents

컴퓨터 사용 에이전트(CUA)는 그래픽 상호작용과 코드 및 명령줄을 통한 소프트웨어 개발이라는 두 가지 개별적인 방향으로 발전해왔습니다. 실제 디지털 작업은 이 두 가지를 끝까지 쌓아 올리는 방식이 아니라 서로 엮어서 필요로 합니다. 우리는 인터페이스를 탐색하고, 소프트웨어를 구현하며, 그 결과물을 실행하고 시각적으로 검증할 시기를 자율적으로 결정하는 하이브리드 CUA를 연구합니다. 우리는 레크리에이션을 중심으로 구축된 5가지 플랫폼 프레임워크인 RecreationWorld를 소개합니다. 실행 중인 참조가 주어지면 에이전트는 이를 Computer-use agents (CUAs) have advanced along two separate lines: graphical interaction and software development through code and the command line. Real digital work requires both, interleaved rather than stacked end to end. We study hybrid CUAs that autonomously decide when to explore an interface

도덕적 엔트로피: 도덕적 판단의 편향과 불확실성 감사Moral Entropy: Auditing Bias and Uncertainty in Moral Judgment

계산 윤리학 분야의 대부분 연구는 도덕적 내용에 대한 주석자 불일치를 제거해야 할 노이즈로 취급하여, 단일 주석자가 항목에 플래그를 지정하는 순간 다수결 투표 또는 더 관대한 '어떤 주석자라도' 규칙으로 통합합니다. 우리는 이러한 불확실성이 대신 모델링되고 학습되어야 한다고 주장합니다. 우리는 참 레이블에 대한 완전한 사후 분포를 유지하고 그 엔트로피를 우연적 불확실성(도덕적 내용에 대한 환원 불가능한 불일치)으로 분해하는 베이즈 프레임워크인 도덕적 엔트로피(Moral Entropy)를 소개합니다.Most work in computational ethics treats annotator disagreement on moral content as noise to be voted away, collapsed into majority vote or the more permissive any-annotator rule the moment a single annotator flags an item. We argue this uncertainty should instead be modeled and learned from. We int

자유 에너지 관점에서 대규모 언어 모델의 사전 학습 데이터 탐지Detecting Pretraining Data in Large Language Models from a Free-Energy Perspective

대규모 언어 모델에서 사전 학습 데이터를 탐지하는 것은 높은 가능성(likelihood)이 훈련 노출 또는 강력한 일반화를 반영할 수 있기 때문에 어렵습니다. 예측 손실과 예측 엔트로피의 결합 공간에서, 가능성만을 사용하는 탐지기는 수평 경계를 사용하여 예측 가능한 비회원을 회원으로 오인할 수 있습니다. 이에 영감을 받아, 우리는 예측 엔트로피에 대한 예측 손실을 평가하는 경사진 경계를 도입합니다. 우리의 분석은 엔트로피 보정이 다음을 보존할 수 있음을 보여줍니다.Detecting pretraining data in large language models is challenging because high likelihood can reflect either training exposure or strong generalization. In the joint space of prediction loss and predictive entropy, a likelihood-only detector uses a horizontal boundary and can mistake predictable no

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

지금 우리 방 안에 있는 AI가 마주한 벽은 무엇인가?Is the wall AI is hitting in the room with us right now?

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

이번 주 AI 안전에 대한 두 개의 바이럴 대화는 AI 사실과 허구를 구별하는 것이 얼마나 어려운지를 보여줍니다.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 논문(Kosoy 2026a,b)에서 우리는 문자열학적 단어 복잡성 척도에 적응된 시퀀스 예측 알고리즘 연구를 시작했습니다. 특히, 우리는 복잡도에 대해 준선형적인 오차 한계를 갖는 다항 시간 예측 알고리즘을 허용하는 산술 반복 복잡도(ARC)라는 복잡도 척도를 정의했습니다. 여기서는 ARC와 관련된 더 약한 복잡도 척도를 보여주며, 이는 특히 효율적인 예측 알고리즘, 즉 준선형 시간 내에 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)

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

이 로봇은 마치 판타지 영화의 악당처럼 보이지만, 의도적으로 그렇게 디자인되었습니다. 겉모습과는 달리 Threehalves 로봇의 디자인은 실제로 완벽하게 말이 됩니다. 네 개의 다리는 안정성을 제공하고, 도구는 손목에 직접 부착되며, 뿔에는 원격 운영자를 위한 카메라가 장착되어 있습니다. 목표는 숙련된 작업자가 산불 지역, 무너진 건물, 유독성 환경과 같은 위험한 작업을 안전한 거리에서 수행할 수 있도록 하는 것입니다. 아직 반쯤 만들어진 개념 증명 단계입니다. 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

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 인공지능 폭발을 시작했는가?Did Google just kickstart the intelligence explosion?

https://www.blacksmith.sh/에서 GitHub Actions를 2배 더 빠르게 실행하고 Codesmith로 빌드하세요. Google DeepMind는 방금 AI의 이전 발견 로그를 시뮬레이터로 변환하여 수천 가지 탐색 전략을 테스트할 수 있는 기술인 Dream-RSI를 발표했습니다. 하지만 이것이 실제로 RSI인가요, 아니면 캐싱이 있는 검색 알고리즘인가요? 자세히 알아보겠습니다. #coding #programming Fireship 더 보기? 🗞️ 뉴스레터: https://bytes.dev 🧠 코스: https:Run 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