쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 11월 17일 (화)까지4750건
3건 · "모바일 AI"조건 지우기 ×
001▲ 19 · 댓글 2휴대폰 맞춤 경량 AI 모델 자동 제작 시스템모바일 디바이스에서 실행되는 소형 언어모델(SLM)은 개인정보 보호와 오프라인 작동이 가능하지만, 목표 작업과 기기에 맞춰 미세조정하고 양자화해야 성능이 나온다.AI · 머신러닝 · Mobile AI Factory: Building Specialized Language Models for Your Mobile Device

Key Point휴대폰 LLM 구축 시 반복적인 수동 튜닝을 자동화하고, 실제 기기 성능 측정 기반으로 모델을 선택해야 한다는 실용적 발견이 개발자와 AI 엔지니어에게 직접 적용 가능하다.
핵심 요약
- 모바일 디바이스에서 실행되는 소형 언어모델(SLM)은 개인정보 보호와 오프라인 작동이 가능하지만, 목표 작업과 기기에 맞춰 미세조정하고 양자화해야 성능이 나온다.
- Mobile AI Factory는 주어진 작업 사양과 대상 휴대폰을 받아 최적화된 경량 모델을 자동으로 구축하는 에이전트 시스템이다.
- 오케스트레이터 LLM이 하이퍼파라미터 조정, 실제 데이터 수집, 합성 데이터 생성 중 최선의 전략을 결정하고, 고정 규칙이 성능을 해치는 변경을 되돌린다.
전체 요약 9문장 읽기 → 002▲ 20 · 댓글 2모바일 AI 에이전트의 개인화 능력 평가 벤치마크 공개사용자의 실제 요청은 종종 불완전하며, AI 에이전트가 올바르게 행동하려면 사용자의 활동 기록에서 누락된 정보를 추론하고 필요한 경우 사용자에게 물어봐야 한다.AI · 머신러닝 · iPrefBench: A User-Centric Benchmark for Personalized Mobile Use Agents

Key Point현재 개발되는 모바일 AI 에이전트는 작업 실행은 잘하지만 사용자 개인정보를 바탕으로 정확히 행동하는 데는 크게 부족하며, 이 논문은 그 간격을 정량적으로 측정하는 첫 벤치마크를 제시한다.
핵심 요약
- 사용자의 실제 요청은 종종 불완전하며, AI 에이전트가 올바르게 행동하려면 사용자의 활동 기록에서 누락된 정보를 추론하고 필요한 경우 사용자에게 물어봐야 한다.
- iPrefBench는 iOS 환경에서 모바일 에이전트의 추론과 질문 능력을 평가하는 벤치마크로, 3,051개의 과거 활동 이벤트를 바탕으로 한 일관된 페르소나와 26개 앱에 걸친 130개의 불완전한 사용자 작업으로 구성되었다.
- 각 누락된 정보는 사용자 활동 기록에서 추론 가능하거나 사용자에게만 물어볼 수 있도록 설계되었다.
전체 요약 7문장 읽기 → 003▲ 40 · 댓글 4모바일 에이전트 성능 비약 MobileGym++로 일상 앱 제어 학습OpenMobile-2는 완전히 공개된 훈련 환경과 레시피로 모바일 에이전트를 구축한 시스템이다.AI · 머신러닝 · OpenMobile-2: Building Versatile Mobile Agents with Scalable Environments and App-Native Tools

Key Point모바일 AI 에이전트가 일상 앱을 자동 제어하는 수준이 실제 기기에서 거의 2배로 개선되었으며, 12,000개 데이터와 300개 도구 같은 대규모 공개 자산이 학계의 진입장벽을 낮춘다.
핵심 요약
- OpenMobile-2는 완전히 공개된 훈련 환경과 레시피로 모바일 에이전트를 구축한 시스템이다.
- MobileGym++은 실제 상용 앱을 모방한 35개 앱으로 시작하며 안드로이드 에뮬레이터의 앱들을 포함해 총 110개 이상의 앱을 제공한다.
- 교차 앱 워크플로우를 지원하면서도 리셋과 검증을 위해 완전한 제어 가능성을 유지한다.
전체 요약 8문장 읽기 →