"deep-dive" 태그

410개 · 4 / 18페이지

사과, 거절, 맞장구는 LLM 성격보다 정렬·보상·프롬프트 설계의 결과에 가깝다.

llm

출처2026년 7월 4일2026-07-04

콜드스타트 PPI의 5개 모달리티

MKGR은 서열 1개와 지식그래프 4개를 결합해 콜드스타트 PPI에서 기존 베이스라인보다 전반적 우위를 보고했다.

llm

출처2026년 7월 4일2026-07-04

의료 AI, 시험보다 임상 추론

객관식 의료 벤치마크 이후, 오픈엔디드 임상 추론과 안전성 평가가 더 중요해지고 있다.

agi

출처2026년 7월 4일2026-07-04

오픈웨이트 안전의 새 기준

오픈웨이트 LLM 안전성은 출시 성능뿐 아니라 저비용 파인튜닝 후 약화 가능성까지 함께 봐야 한다.

llm

출처2026년 7월 4일2026-07-04

PACE로 에이전트 평가 압축

PACE는 저비용 비에이전트 평가로 고비용 에이전트 성능 예측 가능성을 점검한다.

llm

출처2026년 7월 4일2026-07-04

ReContext, 장문맥의 착시를 넘다

ReContext는 128K 장문맥 지원보다 입력 속 증거를 다시 꺼내 쓰게 하는 추론 하네스의 가치를 보여준다.

llm

출처2026년 7월 4일2026-07-04

논문 재현 에이전트의 조건

과학 ML 논문 재현에서 코드 생성보다 중요한 진행 관리와 증거-주장 검증 워크플로우의 의미를 짚는다.

llm

출처2026년 7월 3일2026-07-03

에이전트 안전 테스트 자동화

수작업 위반 사례와 고정 규칙 한계를 넘어, 증거 기반 에이전트 안전 검증 자동화를 다룬 논문 요약.

llm

출처2026년 7월 3일2026-07-03

RLVR와 인간시연 결합 학습

RLVR에 인간 시연 신호를 더해 문체·구조·다양성까지 함께 학습하는 논문을 다룬다.

hardware

커뮤니티2026년 7월 3일2026-07-03

코드 모델 비교의 기준

코드 모델 평가는 벤치마크 점수보다 이슈 해결, 재시도, 토큰 비용을 함께 봐야 한다.

llm

출처2026년 7월 3일2026-07-03

DiscoLoop 내부 추론 실험

DiscoLoop는 CoT를 길게 쓰지 않고 단일 포워드 패스 내부에서 멀티홉 추론을 처리하는 가능성을 탐색한다.

llm

출처2026년 7월 3일2026-07-03

철도 건널목 AI 안전도 검증

철도 건널목 이미지와 사고 이력 결합 AI의 안전도 추정 가능성과 검증 범위를 짚는다.

llm

출처2026년 7월 3일2026-07-03

OCB로 본 오피스 이해 한계

OCB는 네이티브 오피스 파일 이해를 평가하며, PDF QA를 넘는 문서 AI 한계를 드러낸다.

hardware

커뮤니티2026년 7월 2일2026-07-02

AI 데이터센터 병목은 전력망

AI 데이터센터 쟁점은 총량 공포보다 전력망 연계, 냉각 방식, 물 추적 같은 운영 조건에 있다.

llm

출처2026년 7월 2일2026-07-02

DART-VLN, 재학습 없는 길찾기

DART-VLN은 재학습 없이 테스트 단계 제어만으로 discrete VLN의 메모리 오류와 루프를 줄이려 한다.

robotics

출처2026년 7월 2일2026-07-02

NTN 로봇 통신의 기억 설계

야외 로봇의 NTN 통신에서 순간 채널 대신 과거 상태와 작업 맥락을 반영하는 설계 필요성을 짚는다.

agi

출처2026년 7월 2일2026-07-02

고위험 AI와 핸들러 감독

고위험 AI에서 인간을 사용자 아닌 핸들러로 보고 감독·중단·책임 기준을 다시 묻는 논의를 정리한다.

llm

커뮤니티2026년 7월 2일2026-07-02

긴 대화일수록 흔들리는 안전

긴 대화에서 AI 안전장치가 얼마나 일관되게 작동하는지와 세션 단위 평가의 공백을 짚는다.

llm

커뮤니티2026년 7월 1일2026-07-01

AI 고용 서사의 이동

AI가 일자리를 없애는지보다 직무를 재설계해 생산성을 높이는지, 고용 서사의 변화를 짚는다.

llm

출처2026년 7월 1일2026-07-01

에이전트 오케스트레이션 설계축

에이전트 자율성과 추적·통제의 균형을 업무별로 설계하는 기준과 실무 판단법을 짚는다.

llm

출처2026년 7월 1일2026-07-01

EM, 레시피까지 봐야 한다

EM은 데이터뿐 아니라 옵티마이저·배치에도 민감할 수 있어, 미세조정 레시피까지 안전성 평가에 포함해야 한다.

llm

출처2026년 7월 1일2026-07-01

에이전트, 선호를 돕는 법

AI 에이전트가 선호 추출을 넘어 사용자의 선호 형성을 도울 때 필요한 평가와 안전 기준을 짚는다.

llm

출처2026년 7월 1일2026-07-01

LLM 자동연구, 검증이 핵심

LLM이 강화안 제안, 별도 에이전트가 검증하는 자동 연구 구조의 의미를 짚는다.

llm

출처2026년 7월 1일2026-07-01

교육용 AI, 클라우드가 답일까

교육용 AI의 핵심은 성능보다 배치 방식이다. 학생 데이터 보호와 교사 통제를 다시 따진다.

Aionda

"deep-dive" 태그

LLM 성격보다 정렬이 핵심

콜드스타트 PPI의 5개 모달리티

의료 AI, 시험보다 임상 추론

오픈웨이트 안전의 새 기준

PACE로 에이전트 평가 압축

ReContext, 장문맥의 착시를 넘다

논문 재현 에이전트의 조건

에이전트 안전 테스트 자동화

RLVR와 인간시연 결합 학습

코드 모델 비교의 기준

DiscoLoop 내부 추론 실험

철도 건널목 AI 안전도 검증

OCB로 본 오피스 이해 한계

AI 데이터센터 병목은 전력망

DART-VLN, 재학습 없는 길찾기

NTN 로봇 통신의 기억 설계

고위험 AI와 핸들러 감독

긴 대화일수록 흔들리는 안전

AI 고용 서사의 이동

에이전트 오케스트레이션 설계축

EM, 레시피까지 봐야 한다

에이전트, 선호를 돕는 법

LLM 자동연구, 검증이 핵심

교육용 AI, 클라우드가 답일까