쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 10월 31일 (토)까지3677건
7건 · "DOOM"조건 지우기 ×
001▲ 118 · 댓글 35DOOM 게임 엔진으로 신경망 돌리기, 정확성 검증까지DOOM 게임 엔진의 엔티티(voodoo dolls)와 맵 기하학을 이용해 신경망을 실제로 실행하는 프로젝트를 공개했다.오픈소스 · 도구 · Show HN: I Turned DOOM into a Transformer
Key Point게임 엔진 자체가 컴퓨팅 플랫폼이 될 수 있음을 보여주며, DOOM처럼 오래된 시스템에서도 복잡한 계산을 실행하고 검증할 수 있다는 점이 기술적 호기심을 자극한다.
핵심 요약
- DOOM 게임 엔진의 엔티티(voodoo dolls)와 맵 기하학을 이용해 신경망을 실제로 실행하는 프로젝트를 공개했다.
- 신경망의 모든 값을 NumPy와 비교 검증하며 오차 허용도를 0으로 설정해 정확성을 보장한다.
- MNIST 손글씨 인식 네트워크는 10,000개 테스트 이미지 중 9,716개(97.16%)를 정확히 인식한다.
전체 요약 10문장 읽기 →AI · 머신러닝 · No Need for Retirement When Utopia Is Around the Corner
Key Point냉전 시대 핵무기 개발 진영의 신념 체계가 현재 AI 산업의 구조적 문제와 어떻게 반복되는지 보여주는 사례 연구로, AI 업계의 열정과 확신이 고용 관행과 직원 대우에까지 미치는 영향을 비판한다.
핵심 요약
- 저자는 핵무기 역사 관련 서적 《Doomsday Machine》을 읽으며 1950년대 RAND 연구소의 분위기를 발견한다.
- 당시 과학자들은 소련의 핵 능력 우위라는 위기감 속에서 종말론적 예측을 했고, 세계 구원이라는 초월적 사명감으로 공동체를 형성했다.
- RAND 연구소의 젊은 연구원들, 특히 Alain Enthoven과 저자는 핵전쟁이 임박했다고 믿고 은퇴 연금 계획에 가입하지 않았다.
전체 요약 7문장 읽기 →AI · 머신러닝 · Player-1: Learning to Play from Synthetic Experience
Key Point게임 AI의 성능 개선이 실제 환경 데모 없이 합성 환경만으로 달성 가능함을 보여줌으로써, 대규모 데이터 수집 없이 일반적 디지털 제어 에이전트를 학습할 수 있는 길을 열었습니다.
핵심 요약
- 화면 해석과 키보드·마우스 조작을 수행하는 컴퓨터 사용 에이전트는 발전했으나, 시각적으로 풍부하고 복잡한 게임 환경은 여전히 도전 과제로 남아 있습니다.
- 기존 게임 에이전트 학습 파이프라인은 제한된 동적 게임 상태 커버리지의 대규모 데모에 의존하며, 상호작용 학습을 위한 확장 가능한 환경 구축이 어렵습니다.
- Player-1은 합성 경험을 통해 데모 이상의 게임 제어를 학습하는 포스트 트레이닝 프레임워크로, 상대적 포인터 모션, 지속적 입력, 복합 액션으로 컴퓨터 사용 액션 공간을 확장합니다.
전체 요약 9문장 읽기 →AI · 머신러닝 · Jeff – Jev-compatible 0.8B decision models, trained at home, ~30 ms
Key Point경량 모델로 30ms 안에 로컬에서 고속 분류를 수행할 수 있어, API 지연 없이 의사결정 시스템을 직접 구축해야 하는 개발자에게 즉시 활용 가능한 솔루션이다.
핵심 요약
- Qwen3.5와 Gemma 4를 파인튜닝한 0.8B~2B 경량 분류 모델 Jeff를 공개했다.
- 한 번의 순전파로 각 선택지의 보정된 확률을 반환하며, RTX PRO 6000에서 22ms, Apple M4 Max에서 28ms가 소요된다.
- 제로샷 분류가 가능해 학습 데이터에 없는 옵션도 자연어 설명으로 판단할 수 있다.
전체 요약 14문장 읽기 →오픈소스 · 도구 · Reverse-engineered Jev-like model
Key Point상용 모델의 폐쇄된 설계를 재현한 오픈소스 구현으로, 선택형 분류 작업에서 경량 모델의 새로운 가능성을 보여준다.
핵심 요약
- TypeSafe의 상용 모델 Jev를 역엔지니어링한 오픈소스 모델을 깃허브에 공개했다.
- 텍스트와 N개의 선택지를 입력받아 각 선택지별 확률을 한 번에 반환하는 방식으로, 단어 단위 생성이 아닌 원샷(one-pass) 추론을 수행한다.
- 바이트 임베딩 기본 인코더와 선택적 허깅페이스 사전학습 인코더를 지원하며, CPU·MPS·CUDA에서 학습 가능하다.
전체 요약 5문장 읽기 →AI · 머신러닝 · For AI leaders Doom is a form of hype
Key PointAI 기업의 멸망 담론이 정치 자금과 규제 전략으로 작동하는 실태를 보면, 기술 문제가 아닌 권력 구조 문제임을 알 수 있다.
핵심 요약
- Anthropic의 Evan Hubinger가 AI가 향후 10년 내 인류 멸종시킬 확률을 10% 이상으로 평가한 발언이 논쟁을 일으켰다.
- 2023년 이후 AI 리더들은 'p(doom)'과 같은 수치화된 멸망 위험을 반복적으로 제시해왔다.
- Altman 등은 상원 청문회에서 규제를 요청하다가 EU 협상에서 규제 완화를 로비하는 등, 발언과 실제 행동이 상충한다.
전체 요약 5문장 읽기 →AI · 머신러닝 · P(doom)
Key PointAI 안전과 규제 논의가 누구의 이익을 대변하는지, 진정한 해결책이 무엇인지를 근본적으로 묻는 논문으로, 업계 주도의 규제론의 한계를 명확히 한다.
핵심 요약
- Dario Amodei의 'AI 발전 속도 조절'(pacing the frontier) 주장에 대한 비판적 성찰이다.
- 저자는 폐쇄형 가중치 모델이 사이버 공격과 보안 위협을 만들고 있으며, OpenAI와 Anthropic이라는 두 기업이 사실상 AI 개발을 독점하고 있다고 본다.
- 규제 추진을 위해 제시된 METR 같은 제3의 평가기관도 결국 같은 기업들과 긴밀한 관계를 맺고 있다고 지적한다.
전체 요약 5문장 읽기 →