AI Briefing#machine-learning
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
AI 에이전트가 데이터 과학자처럼 동작하여 고품질의 학습 및 평가 데이터를 생성하는 Autodata를 소개한다.
모델 크기, 데이터 양, 연산량이 학습 손실(Loss)에 미치는 예측 가능한 관계인 스케일링 법칙을 분석한다.
Dropbox는 DSPy를 활용해 LLM 기반 평가 모델을 고도화하고, 이를 통해 Dash Chat 에이전트의 응답 품질과 효율성을 동시에 개선했다.
Pinterest는 분산 학습 시 발생하는 성능 저하 문제를 해결하여 파운데이션 모델의 학습 확장성을 선형에 가깝게 구현했다.
Google이 AI 기술을 활용해 홍수, 산불, 기상 이변 등 자연재해를 사전에 예측하고 대응하는 기술적 진보를 공유했다.
기존 격자 기반 NCA를 동적 입자 시스템으로 확장한 Neural Particle Automata(NPA) 연구가 공개되었습니다.
모델의 평가 지표에 따라 필요한 어노테이터의 수가 달라지므로, 목표 지표에 맞춘 데이터 수집 전략이 필요하다.
Hugging Face가 Papers with Code에 SOTA 배지, 트렌딩 점수, 외부 평가 지표 지원 기능을 추가했습니다.
시계열 모델링의 한계를 극복하기 위해 동역학적 시스템 재구성(DSR) 관점을 도입해야 한다는 연구 논문이 발표되었습니다.
넷플릭스는 제작 데이터와 예측 모델을 활용해 콘텐츠 출시 일정의 불확실성을 줄이고 리스크를 관리한다.
Netflix는 단기적 참여와 장기적 사용자 경험을 동시에 최적화하기 위해 전략적 계획을 담당하는 'Slow' 정책과 실시간 실행을 담당하는 'Fast' 정책을 분리한 계층형 알림 시스템을 구축했다.
범용 모델의 성능 향상 속도가 빨라짐에 따라 모델 Post-training 도입 시점을 판단하는 기준을 제시한다.
NOAA가 AI 모델을 도입하여 허리케인 계절 예측 정확도를 약 20% 향상시키는 성과를 거두었다.
학습 전 데이터 분석을 통해 모델의 행동 변화를 예측하고 데이터셋을 최적화하는 기술을 소개한다.
1900년 이전의 역사적 텍스트만을 사용하여 340M 파라미터 규모의 빈티지 LLM을 직접 구축한 과정을 공유한다.