최신 뉴스

전체 뉴스

가장 최근에 발행된 뉴스부터 확인하세요.

주제별로 좁혀보기
일반 기사
AI 심화

Reproducibility is not construct validity: LLM measurement of institutionally situated communication

전체 요약

연구자들은 AI 모델이 실제 의사소통을 정확하게 측정하는지 확인하기 위해 실험을 진행했습니다. 대화 내용을 자세히 분석한 결과, AI가 정확하게 이해하고 반영하지 못한다는 결론을 얻었습니다. 이 연구는 AI 기술의 한계를 보여주며, AI 모델이 실제 상황에서 얼마나 잘 작동하는지에 대한 의문을 제기합니다.

핵심 보기
원문 보기
AI 심화

What Do We Expect from LLMs? Mapping the Design of LLM Benchmarks

전체 요약

이 연구는 대형 언어 모델(LLM) 평가를 위한 다양한 테스트 방법을 분석합니다. 2022년부터 2026년까지의 1만 4,767편의 논문을 살펴보며, LLM들이 어떻게 평가되고 성공 기준이 바뀌는지 알아봅니다. 연구자들은 LLM들이 실제 업무에서 잘 수행할 수 있는 능력을 더 중요하게 생각하고 있습니다. 하지만 모델이 직접 만든 자료는 크게 늘지 않았습니다. 이 결과는 AI 테스트가 독립적인 증거를 제공하는 것인지, 아니면 모델의 선호도를 반영하는 것인지에 대한 질문을 던집니다.

핵심 보기
원문 보기
AI 심화

Contagion on the Trading Floor: How Adversarial Signals Spread in Multi-Agent Trading Systems

전체 요약

AI 트레이딩 시스템이 위험한 신호를 받아들이는 것을 연구했습니다. AI가 사회 미디어에서 정보를 받으면, 그 정보가 분석가에게 잘못된 영향을 줄 수 있다는 것입니다. 실험에서는 간단한 공격도 AI의 성능을 크게 떨어뜨릴 수 있음을 보여주었습니다.

핵심 보기
원문 보기
AI 심화

From "Who Is This User?" to "What Does This Purchase Mean?": A Deployed Pipeline for Semantic User Profiling at Bank Scale

전체 요약

이번 뉴스는 은행에서 사용자의 특성을 자동으로 분석하는 새로운 방법을 소개합니다. 과거 거래 기록을 바탕으로, AI가 자주 발생하는 거래 패턴을 찾아내고 그 특징을 정리합니다. 이 방식은 한 사람당 비용이 줄어들게 되어 많은 사용자를 처리할 수 있게 됩니다. 실제로 일본의 큰 은행에서 이 방법을 적용해 100만 명 이상의 사용자에 대한 분석을 훨씬 효율적으로 수행했습니다.

핵심 보기
원문 보기
AI 활용

지니젠AI, 오픈라우터 426종 분석 '한국어 AI 품질 리더보드' 공개

전체 요약

지니젠AI는 글로벌 AI 모델 중개 플랫폼 오픈라우터의 한국어 품질 리더보드를 공개했다. 이 리더보드에는 앤트로픽, 구글, 오픈AI 등 다양한 AI 모델이 포함되어 있으며, 지니젠AI는 330종을 평가해 높임말 정확도와 문체 일관성 등을 점수로 매겼다. 이 정보는 한국어를 잘 이해하는 AI 모델을 선택할 때 도움이 될 수 있다.

핵심 보기
원문 보기
AI 활용

AI infrastructure and security tools #132

전체 요약

Emerald AI, Google,과 NVIDIA는 2026년 9월 16일 AI 에너지 관리 연합(AEMA)을 출범했습니다. 이 연합은 데이터 센터의 전력 사용을 신속하게 조정할 수 있게 합니다. 예를 들어 작업량 이동, 저장소 배치, 파트너 발전 및 긴급 대응이 가능합니다. AEMA는 안정성, 지속 시간, 예측 가능성, 긴급 행동 등을 평가하는 기준을 정의합니다. 초기 회원들은 AI 회사, 데이터 센터 운영자, 전기 공급업체, 발전소와 지역 전력망 운영자를 포함합니다.

핵심 보기
원문 보기
AI 활용

We built an open-source GPU profiler you point an AI agent at, instead of reading traces yourself

전체 요약

AI 모델을 훈련시키는 데 필요한 GPU 성능을 측정하는 도구가 개발되었습니다. 이 도구는 오픈소스로 공개되어 AI 에이전트에게 GPU 성능을 자동으로 분석하도록 설계되었습니다. 사용자는 직접 GUI를 열고 조작하지 않아도 됩니다. 대신, 에이전트가 결과를 찾아내도록 지시하면 됩니다.

핵심 보기
원문 보기