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.
더 많은 이야기
9 이야기들혁신
Preprint compares how large language models infer opponents’ beliefs in economic games
A new preprint reports that large language models displayed measurable signs of mentalization in two economic games, but their performance and strategies differed by model family and size. The authors say GPT-5 agents adapted to increasingly sophisticated opponents and outperformed the human comparison group in…arxiv.org보안
연구에 따르면 LLM 가드레일 승인은 자체 적응 시스템이 작동하기 전에 만료될 수 있습니다.
ACSOS 2026에 승인된 논문에서는 언어 모델 가드레일이 자체 적응 시스템에서 사용하기 전에 무효화되는 승인을 발행할 수 있다고 보고합니다. 제안된 Freshness-Bounded Shield는 5개의 시뮬레이터 환경에서 측정된 승인 만료율을 줄였지만 소스는 실제 환경을 설정하지 않았습니다.arxiv.org혁신
벤치마크에 따르면 로컬 AI 에이전트는 많은 하드웨어 설계 도구 호출을 처리할 수 있지만 안정성은 다양합니다.
새로운 arXiv 벤치마크에서는 오픈 소스 AI 에이전트가 MCP 도구를 통해 많은 종속성 순서의 하드웨어 설계 작업을 완료할 수 있는 반면 도구 설명, 컨텍스트 길이 및 에이전트 구성은 안정성에 큰 영향을 미치는 것으로 나타났습니다.arxiv.org혁신
SKILL.state는 장기 실행 AI 에이전트를 위한 명시적 실행 상태를 제안합니다
A paper accepted at EMNLP presents a runtime architecture that replaces growing agent conversation histories with mutable structured execution state.arxiv.org혁신
FinRiskAtlas, 광범위한 AI 점수가 금융 리스크 검토의 취약점을 놓칠 수 있음을 발견
새로운 중국어 벤치마크는 일반적인 역량 점수만 사용하는 대신, 금융 리스크 워크플로우에서 직면하는 결정과 증거 상태를 기준으로 거대 언어 모델을 평가합니다.arxiv.org혁신
BixBench3, AI 에이전트가 대규모 전산 생물학 연구에서 어려움을 겪는다는 것을 발견
새로운 벤치마크는 AI 에이전트가 완전한 전산 생물학 워크플로우 전반에 걸쳐 원시 생물학 데이터를 연구 결과물로 전환할 수 있는지 평가합니다. 20개의 작업에서 13개의 최첨단 모델은 0.00에서 0.48 사이의 점수를 받았으며, 데이터셋과 분석 단계 시퀀스가 길어질수록 성능이 저하되었습니다.arxiv.org혁신
FLARE는 LLM과 Lean을 사용하여 최적화 재형식을 검증합니다
연구원들은 제안된 혼합 정수 선형 계획법 재형식이 원래의 문제를 보존하는지 확인하기 위해 LLM 기반 에이전트와 Lean 증명 보조기를 결합한 시스템인 FLARE를 소개합니다. 저자들의 20개 문제, 109개 재형식 벤치마크에서 저자들은 NP-hard 하위 집합에서 100%의 정확도를 보고했으며...arxiv.org혁신
프리프린트는 인지 능력별 AI 및 직장 업무 프로파일링을 제안합니다
연구원들은 410명의 직원으로부터 수집된 업무 요구사항과 6개 AI 시스템의 평가를 바탕으로, 공통의 인지 능력 프로필을 사용하여 AI 시스템과 직장 업무를 비교하는 프레임워크를 제안합니다.arxiv.org보안
FuzzingBrain-Bench는 LLM이 예상치 못한 소프트웨어 충돌을 찾을 수 있는지 테스트합니다
새로운 arXiv 벤치마크는 사전 정의된 취약점 목표가 주어지지 않은 상태에서 거대 언어 모델이 오픈 소스 소프트웨어에서 독특한 충돌을 발견할 수 있는지 평가합니다. 저자들의 테스트에서 Claude Opus 4.8은 77개의 과제 중 60개에서 충돌을 유발했지만, 가능한 579점 중 196점만 달성했습니다.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 올리세요AI 도구를 제출하세요