쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 10월 30일 (금)까지3636건
3건 · "조기 중단"조건 지우기 ×
001▲ 10 · 댓글 2코딩 에이전트가 실패를 미리 감지하고 중단하는 StopLoss코딩 에이전트는 검증에 실패할 런을 계속 진행하는데, 이를 감시하기 위해 대형 모델을 사용하는 것은 비용이 크다.AI · 머신러닝 · StopLoss: Teaching Agents to Predict Failure and Stop Early
Key Point코딩 에이전트의 실패 예측을 저비용으로 수행함으로써 계산 자원 낭비를 크게 줄일 수 있는 실용적 방법이 증명되었기 때문입니다.
핵심 요약
- 코딩 에이전트는 검증에 실패할 런을 계속 진행하는데, 이를 감시하기 위해 대형 모델을 사용하는 것은 비용이 크다.
- StopLoss는 완료된 궤적(trajectory)과 검증자 결과로부터 실패를 인식하도록 학습한 소규모 외부 모니터이다.
- 미세조정된 언어모델이 최근 도구 단계들을 한 번의 포워드 패스로 점수화하고, 성공 런에서 보정된 임계값이 중단 결정을 내린다.
전체 요약 8문장 읽기 →오픈소스 · 도구 · DuckDB 2.0.0 LTS “Cinnamon Teal”
Key Point클라이언트-서버 지원, 비동기 I/O, AI 에이전트 모드는 DuckDB 사용 환경을 크게 확장하고, 트리거와 확장 저장소는 엔터프라이즈 채택 장벽을 낮춘다.
핵심 요약
- DuckDB 2.0.0 LTS '시나몬 틸'을 발표했으며, 1.5 이후 약 20,000개 커밋으로 개발된 최대 규모 기능 릴리스다.
- Quack 프로토콜을 완성해 전통적인 클라이언트-서버 구조를 지원하고, 새로운 CONNECT 문으로 원격 데이터베이스에 한 번에 연결할 수 있다.
- 비동기 I/O를 도입해 Parquet과 CSV 파일 읽기 시 여러 요청을 병렬로 처리해 S3 같은 객체 스토리지에서의 쿼리 속도를 크게 향상시킨다.
전체 요약 13문장 읽기 →AI · 머신러닝 · SWIFT: Self-guided Weak-to-strong dIFfusion models via Target extrapolation
Key Point약한 모델을 활용해 더 강한 확산 모델을 절반 이하의 학습 비용으로 훈련하면서도 추론 오버헤드를 늘리지 않는 실질적인 방법이 입증되었기 때문이다.
핵심 요약
- 확산 모델 학습은 계산량이 많아서 추론 시 가이던스를 추가하면 샘플링 비용이 더 높아진다는 문제가 있다.
- SWIFT는 얼려진 약한 노이즈 제거기를 사용해 강한 모델을 개선하는 자가 가이드 학습법으로, 추론 오버헤드를 추가하지 않는다.
- 각 노이지 입력에 대해 약한 모델의 예측에서 멀어지도록 클린 회귀 타겟을 외삽하여, 부족하게 학습된 성분을 증폭한다.
전체 요약 9문장 읽기 →