반복 학습과 자기 개선을 하나의 틀로 묶으면 무엇이 보일까
반복적인 정책 개선과 재귀적 자기 개선을 하나의 학습 패러다임으로 설명하는 Generalized Agent Iteration 프레임워크를 해설합니다. 개선 장치의 위치와 평가 기준의 고정 여부를 기준으로 두 개념의 경계와 위험을 구분합니다.
블로그
AI 기술, 연구, 제품, 그리고 그 곁에서 일하는 사람들의 이야기
기술과 제품을 설계하고 검증하는 과정, 주목할 논문과 AI 동향에 대한 해설, Patty의 새로운 시도와 일하는 문화까지 깊이 있게 전합니다.
최신 글
페이지 19
먼저 닿고 나서 넓히기: 수렴과 다양성을 떼어놓은 다목적 베이지안 최적화
수렴과 다양성을 동시에 노리던 다목적 베이지안 최적화를 두 단계로 나눈 Converge Then Diversify 접근법을 해설합니다. 빠듯한 예산에서 먼저 한 점에 닿고 옆으로 퍼지는 순서가 왜 유리한지 짚어봅니다.
ZGCM-1, 7B로 수백B급과 맞서는 법, 외우지 않고 찾아내는 모델
처음부터 학습한 7B dense 모델 ZGCM-1이 내부 추론과 외부 검색을 묶어 수학과 에이전틱 검색에서 대형 프론티어 모델과 경쟁하는 구조와 학습법을 해설합니다.
전화로 이름 받아 적기는 왜 이렇게 어려울까
타우-엘리시테이션이 음성 에이전트의 다중 턴 정보 수집을 측정한 방식을 해설합니다. 텍스트에서는 다 맞추고 음성에서는 틀리는 이유와 검증과 복구의 병목을 다룹니다.
함수 호출을 어디에서 실행할까, 탄소 배출로 답한 연구
엣지-클라우드 3계층에서 쿼리마다 정확도와 전력, 탄소 강도를 예측해 가장 낮은 배출로 실행 가능한 계층에 라우팅하는 탄소 인식 라우팅 연구를 해설합니다.
실패의 마지막 장면이 아니라 흩어진 단서를 찾는 일
긴 작업을 수행하는 에이전트가 실패할 때 진짜 원인은 왜 마지막에 있지 않은지, 그리고 판단을 한 번이 아니라 여러 번 이어가는 Continual Search가 진단을 어떻게 바꾸는지 해설합니다.
검증 가능한 AI 에이전트 운영
에이전트의 실행 권한과 근거를 함께 검증하는 연구를 살펴봅니다.
DU-NO, 파도를 위상까지 읽는 가벼운 연산자
FUNWAVE-TVD급 정확도를 노리면서 파라미터를 10분의 1로 줄인 이중 U형 신경 연산자 DU-NO의 구조와 실험을 읽어봅니다.
언어가 부족한 자리, 숫자를 직접 다루는 모델이 필요한 이유
언어가 수치 기록을 손실 방식으로 줄인 메모에 가깝다는 진단에서 출발해, 재현성과 계보와 교정된 불확실성이 요구되는 자리에서 Large Quantitative Model이라는 별도 갈래가 왜 거론되는지 따라가는 글입니다.