LLM

거대언어모델의 인간 의도 정렬을 위한 새로운 강화학습 기법인 DVAO가 발표되었습니다. 이 기술은 다중 보상 환경에서 학습 안정성과 성능을 동시에 개선합니다.

구글 딥마인드가 거대언어모델과 기계적 검증을 결합한 알파프루프 넥서스를 공개했습니다. 이 시스템은 인간 수학자가 수십 년간 풀지 못한 난제를 자율적으로 증명하며 연구 효율성을 높이고 있습니다.

'지오핫'이란 별명으로 유명한 조지 호츠가 소프트웨어 개발 현장에 AI 에이전트를 도입하는 행위가 막대한 비용 손실을 초래할 것이라고 경고했습니다. 거대언어모델의 통계적 모방 한계와 코드 품질 문제를 둘러싼 업계의 찬반 논란을 정리했습니다.

인공지능 분야의 핵심 연구자들이 현재 거대언어모델의 기술적 수준과 인공일반지능의 도래 시점을 두고 각기 다른 전망을 내놓았습니다. 이들은 기술의 성과를 인정하면서도 진정한 지능의 정의와 향후 과제에 대해 뚜렷한 견해 차이를 보입니다.

데이터브릭스가 주요 오픈소스 언어 모델에 프롬프트 캐싱 기술을 도입했습니다. 이를 통해 기업은 대규모 언어 모델의 처리량을 높이고 추론 비용을 절감할 수 있습니다.

인공지능 업계가 거대언어모델의 한계를 넘어 물리적 세계를 이해하는 월드 모델 개발에 집중하고 있습니다. 현실 세계의 인과관계를 학습한 인공지능은 지능형 에이전트로 진화할 전망입니다.

과거 검색 엔진 최적화와 달리 거대언어모델 최적화는 플랫폼마다 고유한 전략이 필요합니다. 데이터셋과 크롤러 인프라가 각기 달라 범용적인 최적화가 불가능하기 때문입니다.

데이터브릭스가 유니티 카탈로그를 확장하여 AI 에이전트와 대규모 언어 모델을 통합 관리합니다. 데이터 거버넌스와 AI 거버넌스를 결합해 기업의 보안 신뢰성을 확보합니다.

최첨단 인공지능 연구소는 거대언어모델의 커널 수준 튜닝 역량을 핵심 채용 기준으로 삼고 있습니다. 최근 에이전트 기술과 온프레미스 배포 환경이 고도화되면서 실무 엔지니어링의 중요성이 커지고 있습니다.

존스홉킨스 응용물리연구소가 서로 다른 종류의 로봇이 자율적으로 협력하는 인공지능 에이전트 기술을 개발했습니다. 거대언어모델을 활용해 로봇 팀의 복합 임무 수행 능력을 향상했습니다. 관련 기술 백서를 통해 실무 가이드라인을 제시합니다.