· ai
AI 문서화 도구가 온보딩 시간을 80% 단축하는 방법
Developer onboarding은 엔지니어링 조직에서 가장 비용이 많이 드는 병목 현상 중 하나입니다. 평균 기업은 신규 채용자당 온보딩에 $954를 지출하며, eng…
-
- · ai
[Paper] Depth-Grown 모델은 깊이의 저주를 극복할 수 있을까? 심층 분석
학습 중에 Transformer의 깊이를 점진적으로 늘리는 것은 학습 비용을 줄일 뿐만 아니라, MIDAS가 보여주듯 추론 성능을 향상시킬 수 있습니다.
- · ai
[Paper] 질문하고, 답하고, 탐지하기: 질문 조건부 Mixture-of-Experts를 활용한 역할 연기 LLM을 통한 성격 탐지
인간의 성격을 이해하는 것은 personalized recommendation 및 mental health assessment와 같은 웹 애플리케이션에 매우 중요합니다. 기존 연구들은 성격…
- · ai
[Paper] 멀티캘리브레이션 for LLM 기반 코드 생성
AI 기반 코드 생성이 보편화됨에 따라, 연구자들은 코드 LLM의 캘리브레이션을 조사하고 있습니다—즉, 그들의 confidence scores가 충실하게 표현되는지를 보장하기 위해.
- · ai
[Paper] 기업 보안을 위한 ML 민주화: 자체 지속형 공격 탐지 프레임워크
머신러닝의 보안 분야 발전에도 불구하고, rule‑based detection은 자원 집약성 때문에 Security Operations Centers에서 여전히 널리 사용됩니다.
- · ai
[Paper] TabPFN이 Graph Tabularization을 통한 Node Classification에서 GNN과 경쟁할 수 있을까?
대규모 데이터로 사전 학습된 Foundation models는 다양한 도메인에서 놀라운 zero-shot 일반화 능력을 입증했습니다. TabPFN의 성공을 기반으로 ...
- · ai
[Paper] MatteViT: 고주파 인식 문서 그림자 제거와 그림자 매트 가이드
문서 그림자 제거는 디지털화된 문서의 선명도를 향상시키는 데 필수적입니다. 고주파 디테일(예: 텍스트 가장자리 및 선)을 보존하는 것은 중요합니다.
- · ai
[Paper] 연합 RLHF에서 선호 집계에 대한 체계적 평가: LLM의 다원적 정렬을 위해
이 논문은 연합 학습(FL) 환경에서 다양한 인간 선호와 대형 언어 모델(LLMs)을 정렬하는 과제에 대해 다룹니다, 여기서 st...
- · ai
Launch HN: Mentat (YC F24) – 런타임 개입으로 LLM 제어
안녕 HN, 저는 CTGT의 Cyril입니다. 오늘 우리는 Mentat https://docs.ctgt.ai/api-reference/endpoint/chat-completions 를 출시합니다. 이는 개발자들에게 결정론적인 API를 제공합니다.
- · ai
Launch HN: Mentat (YC S16) – 런타임 개입으로 LLM 제어
안녕하세요 HN, 저는 CTGT의 Cyril입니다. 오늘 우리는 Mentat https://api.ctgt.ai/v1/chat/completions 를 출시합니다. 이 API는 개발자에게 LLM에 대한 결정론적 제어를 제공…
- · ai
[Paper] Fluent Alignment with Disfluent Judges: Lower-resource Languages를 위한 Post-training
우리는 낮은 자원 언어에 대한 사후 훈련(post‑training) 방법을 제안한다. 이 방법은 비유창(disfluent) 보상 모델에 의해 정렬되더라도 언어 모델의 유창성(fluency)을 유지한다. Preference…
- · ai
구글의 첫 AI 안경, 내년 출시 예상
Google은 다양한 종류의 AI 기반 안경을 개발하고 있습니다 — 한 모델은 화면 없이 지원을 제공하도록 설계되었으며, 내장 스피커, 마이크, 카메라를 사용합니다.