SWE-bench Science 벤치마크에서는 코딩 에이전트가 과학 소프트웨어로 인해 어려움을 겪고 있는 것으로 나타났습니다.
새로운 arXiv 사전 인쇄에서는 과학 소프트웨어에서 코딩 에이전트를 테스트하기 위한 119개 작업 벤치마크를 소개하고 가장 성과가 좋은 에이전트가 pass@1에서 50% 미만의 점수를 받았다고 보고합니다.
이야기 읽기 검증된 출처: arxiv.org
매일 업데이트됨1797 검증된 이야기들
AI 뉴스.소음 없이.
비영리 교육팀이 명료한 영어로 설명한 제품 출시, 정책 변화, 안전 연구, 산업 움직임에 대한 출처 검증된 AI 보도를 제공합니다.
검증된 출처
모든 기사는 가장 강력한 증거와 연결됩니다: 원가 자료가 있을 경우 그렇고, 그 외에는 명확히 출처가 명확히 기재된 보도입니다.
평범한 영어
무슨 일이 일어났는지, 왜 중요한지, 무엇을 보아야 하는지 등을 전문 용어 없이 설명합니다.
채우기 없는 이야기
신호가 얇을 때는 피드를 채우기보다는 아무것도 발행하지 않습니다.
AI 뉴스 아카이브 — 페이지 139
과대광고를 쫓지 않고 AI를 이해해야 하는 사람들을 위한 최신 소스 확인 AI 스토리입니다.
ArXiv 논문에서는 장거리 LLM 에이전트를 위한 마일스톤 기반 교육을 제안합니다.
MileGPO는 길고 다단계 작업에 대해 언어 모델 에이전트를 교육할 때 마일스톤 검색 및 로컬 증거를 사용하여 학점 할당을 개선합니다. 저자는 ALFWorld 및 WebShop에 최첨단 결과를 보고하지만 주장은 여전히 논문의 실험에 국한되어 있습니다.
arxiv.org
사전 인쇄 테스트에서는 LLM 상담원이 언제 기억하고, 확인하고, 질문해야 하는지 알고 있는지 테스트합니다.
새로운 벤치마크는 언어 모델 에이전트가 상호 작용에서 파생된 정보를 저장, 확인, 임시 사용 또는 사용자와 명확히 해야 하는 시기를 올바르게 결정하는지 여부를 평가합니다.
arxiv.org
더 많은 이야기
9 이야기들언어 모델 워터마킹의 교차 언어 공정성 감사
언어 간 공정성에 초점을 맞춘 대규모 언어 모델의 워터마킹 체계에 대한 새로운 평가 프레임워크가 제안되었습니다.
arxiv.org스탠포드 AI 인덱스는 주권과 투자가 분기됨에 따라 AI 정책이 확대되는 것으로 나타났습니다.
Stanford HAI의 2026 AI Index에 따르면 국가 AI 전략이 확산되고 있는 반면 데이터 현지화 규칙, 국가 지원 컴퓨팅 용량 및 공공 투자는 지역별로 균등하지 않습니다.
hai.stanford.eduTogether AI 벤치마크: GLM-5.3이 첫 번째 시도에서 GPT-5.6 Sol을 추월하고 절반 가격으로 재시도에서 승리합니다.
904개의 DeepSWE 롤아웃에 대한 Together AI 분석에 따르면 OpenAI의 GPT-5.6 Sol이 첫 번째 시도 코딩 정확도에서 선두를 달리는 반면, 재시도가 허용되면 개방형 GLM-5.3이 시도당 비용의 약 절반으로 앞서는 것으로 나타났습니다.
together.aiPreprint는 강력한 시계열 워터마킹을 위해 로컬로 토큰화된 AI 모델을 제안합니다.
arXiv 사전 인쇄는 편집 후 보다 신뢰할 수 있는 다변량 시계열 데이터를 위한 AI 생성 모델 및 워터마킹 방법을 제안합니다. 저자는 금융, 에너지 및 신경 영상 벤치마크에 대한 테스트를 보고하지만 초록에는 수치 결과나 배포 증거가 제공되지 않습니다.
arxiv.org1C:Enterprise를 위한 자연어 코드 검색: 개방형 벤치마크 및 효율적인 바이 인코더
자연어 코드 검색은 컴퓨터 과학에서 빠르게 발전하는 작업입니다. 그러나 1C:Enterprise 생태계는 러시아어 구문과 고도로 도메인별 용어를 결합하므로 개방형 데이터 세트와 전문 모델이 사실상 존재하지 않습니다.
arxiv.org남은 유효 수명에 다중 모달 언어 모델을 접지하기 위한 시계열 검색
영역별 유지 관리 및 예지 작업을 위해 LLM(대형 언어 모델) 및 에이전트 AI 시스템이 점점 더 많이 연구되고 있으며, 예지 및 건강 관리(PHM)를 효과적으로 지원할 수 있는지에 대한 의문이 제기되고 있습니다.
arxiv.org네팔어-영어 사전 인쇄: 컨텍스트를 벗어난 잘못된 정보 벤치마크에 대한 텍스트 전용 AI 일치 다중 모드 모델
새로운 arXiv 사전 인쇄에서는 원본 이미지에 첨부된 오해의 소지가 있는 캡션을 탐지하기 위한 1,090쌍의 네팔어-영어 벤치마크인 NepOOC를 소개합니다. 이 데이터 세트에서 텍스트 전용 mBERT 모델은 가장 잘 테스트된 다중 모달 시스템과 일치했지만 이미지 전용 모델은 거의 우연하게 수행되었습니다.
arxiv.orgPreprint는 텍스트가 변경되면 재정적 AI 신뢰도가 실패할 수 있음을 발견했습니다.
새로운 arXiv 사전 인쇄본은 서류, 뉴스 및 소셜 미디어 전반에 걸쳐 금융 명명 개체 인식을 테스트하여 도메인 전환 시 일부 신뢰도 측정이 여전히 유용한 반면 다른 신뢰도 측정은 급격히 저하된다는 사실을 발견했습니다.
arxiv.org대화형 AI가 우리와 그들 사이의 경계를 완화할 수 있나요?
한 연구에서는 대화형 AI가 다수 집단 구성원이 라틴계 이민자를 분류하고 관련시키는 방식을 바꿀 수 있는지 여부를 조사합니다.
arxiv.org
매주 한 번씩 유용한 브리핑을 듣습니다
피드에 살지 않고도 AI를 따라가세요.
이번 주의 검증된 AI 뉴스, 원본 데이터, 유용한 도구, 학습 추천, 그리고 새로운 AI 일자리를 받아보세요.
AI를 배우는 사람들에게 다가가세요
AI 전문가를 고용하거나 유용한 AI 제품을 출시하는 것? 배우고 행동하기 위해 이곳에 온 사람들 앞에 그것을 보여주세요.
AI 공고를 올리세요 AI 도구를 제출하세요