쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 10월 30일 (금)까지3636건
3건 · "실행 능력"조건 지우기 ×
001▲ 24 · 댓글 2비디오 세계 모델의 실행 능력 진단, 메모리 테스트 분리비디오 세계 모델 평가에서 장면 설정, 변화 실행, 결과 표시를 하나의 점수로 묶으면 낮은 점수를 메모리 부족으로 오인하기 쉽다.AI · 머신러닝 · Execution Before Memory: Diagnosing Memory Failures in Video World Models
Key Point비디오 세계 모델이 메모리 부족이 아니라 '변화 실행' 능력 부족이라는 근본 원인을 규명하고, 이를 개선하는 방법을 제시하기 때문에 지금 읽을 가치가 있습니다.
핵심 요약
- 비디오 세계 모델 평가에서 장면 설정, 변화 실행, 결과 표시를 하나의 점수로 묶으면 낮은 점수를 메모리 부족으로 오인하기 쉽다.
- 변화가 실행되지 않으면 숨은 상태 전이가 나타날 수 없어, 실제로는 메모리를 테스트하지 못한다.
- 연구팀은 MIST 평가를 제안했으며, 이는 변화를 그것이 남길 메모리와 분리한다.
전체 요약 10문장 읽기 →AI · 머신러닝 · CarryOn: A Dual-Loop Harness for Personalized and Reliable Robot Assistance
Key Point실제 로봇 지원의 핵심인 사용자 맞춤화와 안전성 문제를 해결하는 구체적 방법론을 제시하며, 위반율 8.6배 감소, 복구 성공률 6배 증가라는 검증 가능한 결과를 보여준다.
핵심 요약
- 현재의 일반용 VLA(Vision-Language-Action) 모델은 다양한 로봇 조작을 가능하게 하지만, 실제 로봇 지원에 필요한 사용자 맞춤화와 신뢰성 있는 실행 능력이 부족하다.
- CarryOn은 기존 VLA 정책을 보강하는 이중 루프 시스템으로, 사용자 선호도와 장면 맥락을 유지하면서 상호작용을 통해 지속적으로 업데이트하는 '계획 루프'를 갖춘다.
- 계획 루프는 사용자의 지속적인 선호도를 반영하여 맞춤형 부분 작업을 선택하고, 대화와 변화하는 장면 속에서 실행을 조율한다.
전체 요약 7문장 읽기 →AI · 머신러닝 · Muse Wonder
Key Point개인 정보 접근 권한을 가진 AI 에이전트가 안전성과 신뢰성을 어떻게 확보하는지, 강화학습과 사전학습을 통해 어떤 역량을 갖추게 되는지 보여주는 기술 사례이기 때문이다.
핵심 요약
- 메타가 개인 및 업무용 에이전트 작업에 최적화한 대형 모델 '뮤즈 원더'와 상위 버전 '뮤즈 원더 풀'을 발표했다.
- 뮤즈 원더는 Active Memory(중요 정보를 대화 전체에 걸쳐 유지·검색)와 Active Focus(목표 달성을 위해 대안을 시도하고 문제 해결에 지속적으로 노력)를 통합했다.
- 뮤즈 원더는 메타 모델 API와 뮤즈 코드를 통해 오늘 이용 가능하며, 뮤즈 원더 풀은 뮤즈 코드 구독자를 위해 제공된다.
전체 요약 10문장 읽기 →