최신 뉴스

전체 뉴스

가장 최근에 발행된 뉴스부터 확인하세요.

주제별로 좁혀보기

AI 뉴스

최신 다이제스트

AI 뉴스 다이제스트 — 2026-09-17

今天，我们收集了20篇关于AI的重要新闻。其中，有几则特别值得关注： - Meta推出综合订阅服务“Meta One”，整合社交平台的AI功能：Meta推出了一个名为“Meta One”的新订阅服务，将Facebook、Instagram和WhatsApp上的AI功能进行了整合。这不仅为用户提供了更多图像和视频生成及编辑的功能，也为创作者和企业带来了更专业的客户服务和内容管理工具。 - SKT推出电话AI服务，提升数字弱势群体的访问性：SKT通过与EaD的合作，使得用户可以通过电话使用AI服务，从而提高了数字弱势…

읽기
일반 기사
AI 심화

The Inference Engineering Pareto Atlas: Which Optimizations Dominate the Cost, Quality, and Latency Frontier?

전체 요약

연구원들은 대형 언어 모델의 추론 최적화 방법을 분석하여 가장 효과적인 설정을 찾았습니다. Qwen2.5-7B-Instruct를 다양한 하드웨어와 조건에서 실험한 결과, 18개의 설정이 최적화 선에 도달했습니다. 이 연구는 AI 모델의 성능과 속도를 균형있게 높이는 방법을 알려줍니다.

핵심 보기
원문 보기
AI 심화

When to Call an LLM: A Confidence-Gated Hybrid for Cost-Effective Emotion Recognition in Conversational AI

전체 요약

이 기사는 대화 맥락 내에서 감정 인식(ERC)의 세 가지 방법을 비교하고, 가장 효과적인 방법을 제안합니다. 저작자는 저렴한 스택 엑스포네스와 오프더셰일 LLM 프롬프팅 사이에 신뢰도 기반 혼합 모델을 도입하여 비용 효율성을 높였습니다. 이 혼합 모델은 IEMOCAP 데이터셋에서 0.595의 F1 점수를 얻었으며, GPT-4o-mini와 같은 LLM만 사용한 경우보다 훨씬 낮은 비용과 초저지연으로 성능을 높였습니다. 이 혼합 모델은 대화 맥락 내에서 감정 변화를 효과적으로 감지하고 처리할 수 있어, 대량의 음성 데이터를 저렴한 방법으로 분석할 수 있게 해줍니다.

핵심 보기
원문 보기
AI 심화

NeMo Data Designer: An Extensible Framework for Multimodal Synthetic Data Generation

전체 요약

NeMo Data Designer는 오픈소스로 공개된 데이터 생성 프레임워크입니다. 다양한 유형의 데이터를 쉽게 만들 수 있게 도와줍니다. 사용자는 각 열을 정의하고, 프레임워크는 필요한 데이터를 생성합니다. 새로운 기능을 추가하기도 쉽습니다. 이 프레임워크는 실제 업무에서 잘 작동하는지 여러 사례를 통해 검증되었습니다.

핵심 보기
원문 보기
AI 활용

챗GPT·클로드로 집안 불 끈다…구글 홈, 외부 AI에 개방

전체 요약

구글이 챗GPT와 클로드 등 외부 AI를 이용해 집안 조명을 조작하고 카메라 기록을 확인할 수 있는 스마트홈 서비스 '구글 홈'을 개방한다. 이 서비스는 미국의 구글 홈 프리미엄 어드밴스드 가입자에게 우선 제공되며, 월 20달러로 이용 가능하다. AI 에이전트는 일상적인 말로 집안 조명을 끄거나 기기 상태를 확인할 수 있게 해준다.

핵심 보기
원문 보기
AI 심화

I built a native Vulkan training backend for 143 modern Transformer architectures — no CUDA or PyTorch required

전체 요약

저는 Hierarchos 아키텍처의 훈련 백엔드로 시작했지만, 이를 더 넓은 프로젝트로 발전시켰습니다. 이 프로젝트는 Rust와 Vulkan을 사용한 143개의 Transformer 아키텍처에서의 훈련과 추론을 지원합니다. CUDA나 PyTorch를 필요로 하지 않으며, Vulkan을 기반으로 한 ML 훈련 스택이 가능해질 수 있는 방향성을 제시하고 있습니다. 그러나 아직 모든 모델 유형과 구성 요소가 검증되지 않았습니다. 이 프로젝트는 다양한 GPU와 호환성을 확보하기 위해 더 많은 테스트가 필요합니다.

핵심 보기
원문 보기