AI 자동영업의 비용과 한계
AI 자동 영업의 핵심은 아이템보다 비용, 승인 워크플로우, 정책과 채널 한계 설계에 있다.
AI 자동 영업의 핵심은 아이템보다 비용, 승인 워크플로우, 정책과 채널 한계 설계에 있다.
제한된 API 환경의 LLM에서 내부 신호 없이 오답·환각 위험을 추정하는 방법과 한계를 짚는다.
중국산 LLM의 경쟁력은 발언보다 벤치마크와 독립 평가, 비용 효율을 함께 봐야 드러난다.
RTL 생성에서 LLM 실패를 구문·의미·기능 오류로 나눠 보고 검증 루프의 필요성을 짚는다.
정렬과 안전장치는 성능 저하가 아니라 지시 준수·유해성·환각의 균형 문제임을 수치로 짚는다.
P2P LLM 추론에서 prefix cache 재사용을 살리는 탈중앙 라우팅의 장단점과 적용 조건을 짚는다.
LLM은 사람보다 서로 닮은 이야기를 더 자주 만든다. 품질보다 서사 반복성을 봐야 한다.
단일 에이전트 한계를 넘어, 신뢰·권한·평판·감사를 갖춘 분산 협업 구조를 짚는다.
시각 근거 충분성을 먼저 학습시켜 멀티모달 응답의 이미지 일치와 신뢰성을 높이려는 논문 이슈.
LLM 평가는 정답률만으론 부족하다. 중간 추론의 일관성, 제약 유지, 자기검증까지 함께 봐야 한다.
AI 코딩 도입 후 ASD는 낮아졌지만 총 스멜은 그대로였다. LOC 증가가 만든 착시를 짚는다.
모바일 UI 스크린샷만으로 사용성·일관성·명확성을 평가하는 UXBench의 의미와 한계를 짚는다.
CAPED는 모바일 GUI 에이전트가 스크린샷 전송 전 민감 정보를 가려 노출을 줄이는 접근을 제시한다.
초기 합의가 보이면 멈추고, 답이 갈릴 때만 토론하는 조건부 계산형 멀티에이전트 추론 접근을 짚는다.
EurekAgent는 프롬프트보다 권한·아티팩트·예산·승인 지점 설계가 핵심임을 보여준다.
LLM을 7개 구성요소의 폐쇄형 에이전트 시스템으로 묶어 변분 양자 회로 설계를 자동화한 연구를 살핀다.
프로덕션 AI 에이전트의 툴 호출과 시스템 변경을 통제하는 5-plane 런타임 보안 아키텍처를 짚는다.
StatefulDiscovery는 과학 에이전트가 증거 범위 안에서만 주장하도록 평가 기준 전환을 제안한다.
유튜브 요약 앱을 자막 기반으로 시작할지, 프레임 분석 멀티모달로 확장할지의 제품·비용·평가 기준을 정리한다.
시계열 Transformer에서 적응형 패칭이 균일 패칭보다 늘 낫지 않다는 논문 핵심을 짚는다.
BiasGRPO가 고분산 보상 환경에서 편향 완화 RL을 어떻게 안정화하려는지 핵심 쟁점을 짚는다.
AI 보급 확대 속 고위험 기능과 실무 배포가 다른 통제·수익 구조로 갈린다.
장기 실행 자율 에이전트에서 개입 여부보다 개입 타이밍이 왜 핵심인지 정리한다.
전이 교란에 취약한 RL 정책을 배치 전 검증하는 확률적 배리어 인증 접근을 짚는다.