· ai
[Paper] 야생에서의 하이킹: 휴머노이드를 위한 확장 가능한 지각 파쿠르 프레임워크
복잡하고 비구조적인 환경에서 견고한 휴머노이드 하이킹을 달성하려면 반응성 프로프리오셉션에서 능동적 퍼셉션으로 전환해야 합니다. 그러나, ...
-
- · it
Nvidia Rubin의 랙 스케일 암호화, 기업 AI 보안의 전환점 신호
Nvidia의 Vera Rubin NVL72는 CES 2026에서 발표되었으며, 72개의 GPU, 36개의 CPU 및 전체 NVLink 패브릭에 걸쳐 모든 버스를 암호화합니다. 이는 최초의 랙‑스케일 플랫폼 t...
- · ai
AI의 다음 혁명: Multiply Labs가 Robotics-Driven Cell Therapy Biomanufacturing Labs를 확장하고 있다
Multiply Labs – 자동화된 세포 치료 제조 스타트업은 선도적인 세포 치료 기업들과 협력하여 로봇 제조를 클린룸에 도입하고, re...
- · ai
[Paper] 페로몬 중심 Ant Colony Optimization 알고리즘을 이용한 경로 계획
Ant Colony Optimization (ACO)는 경로 계획에 널리 적용되는 대표적인 swarm intelligence 알고리즘입니다. 그러나 전통적인 ACO 방법은 종종 s...
- · ai
[Paper] FROAV: RAG 관찰 및 에이전트 검증을 위한 프레임워크 - LLM 에이전트 연구의 장벽 낮추기
대규모 언어 모델(LLMs)의 급속한 발전과 이들의 자율 에이전트 시스템에의 통합은 문서 a…에 대한 전례 없는 기회를 창출했습니다.
- · it
Anthropic, 파일에서 작동하는 Claude Desktop 에이전트 Cowork 출시 — 코딩 없이
Anthropic은 월요일에 Cowork을 출시했습니다. 이는 매우 성공적인 Claude Code 도구의 힘을 비기술 사용자에게 확장하는 새로운 AI 에이전트 기능이며 — 그리고 …
- · ai
Anthropic이 큰 실수를 저질렀다
번역하려는 텍스트를 제공해 주시겠어요? 해당 내용이 있으면 한국어로 번역해 드리겠습니다.
- · ai
Anthropic가 큰 실수를 저질렀다
번역하려는 텍스트를 제공해 주시겠어요? 텍스트를 입력해 주시면 한국어로 번역해 드리겠습니다.
- · ai
[Paper] OpenTinker: Agentic Reinforcement Learning에서 관심사 분리
우리는 OpenTinker를 소개합니다. 이는 대형 언어 모델(LLM) 에이전트의 강화 학습(RL)을 위한 인프라스트럭처로, 알고리즘 간의 관심사 분리를 중심으로 구축되었습니다.
- · ai
[Paper] 제어된 자기 진화를 통한 알고리즘 코드 최적화
Self-evolution 방법은 반복적인 ‘generate-verify-refine’ 사이클을 통해 코드 생성을 향상시키지만, 기존 접근법은 탐색 효율성이 낮다…
- · ai
[Paper] 제어된 자기 진화를 통한 알고리즘 코드 최적화
Self-evolution 방법은 반복적인 'generate-verify-refine' 사이클을 통해 코드 생성 능력을 향상시키지만, 기존 접근 방식은 탐색 효율성이 낮은 문제를 안고 있다.
- · ai
[논문] Controlled Self-Evolution for Algorithmic Code Optimization
Self-evolution 방법은 반복적인 'generate-verify-refine' 사이클을 통해 코드 생성을 향상시키지만, 기존 접근법은 탐색 효율성이 낮다...