본문으로 건너뛰기
AI NEWS.ccAI가 움직이고 미래가 새로워집니다
뉴스 북마크
THE JOURNAL
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI 뉴스 검색

제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.

발행 시간순

버클리 AI 리서치

효율적인 장기적 상호작용을 위한 LLM의 신념 업데이트 교육

전통적인 재귀적 요약과 비교한 ABBEL의 개요. 에이전트의 작업 컨텍스트로 전체 상호작용 기록 대신 신념이 사용되며, 신념 등급화는 각 신념 상태의 내용을 감독함으로써 성능을 향상시킵니다. 과제의 시간적 범위가 확장됨에 따라 LLM의 컨텍스트는 무한히 확장될 수 없습니다. 자체 요약은 간결하고 해석 가능한 컨텍스트를 제공하지만, 특히 고품질 데이터가 부족한 협업형 코드 생성과 같은 인간 지원 분야에서는 상당한 성능 저하를 초래합니다. 우리는 이를 해결하기 위해 ABBEL을 제안합니다: 자연어로 표현된 신념 상태의 형태로 요약의 정보 내용을 분리하고 감독하는 프레임워크입니다. 동기: 재귀적 요약의 한계 언어 모델이 소프트웨어 개발과 같이 점점 더 복잡해지는 과제를 효과적으로 지원하려면

연구
진행 상황 및 관련 보도

버클리 AI 리서치

적응형 병렬 추론: 효율적인 추론 확장의 다음 패러다임

적응형 병렬 추론 개요. 만약 추론 모델이 스스로 독립적인 하위 작업을 언제 분해하고 병렬화할지, 얼마나 많은 동시 스레드를 생성할지, 그리고 문제 상황에 따라 이를 어떻게 조율할지를 결정할 수 있다면 어떨까요? 우리는 병렬 추론 분야, 특히 적응형 병렬 추론에서의 최근 진전에 대해 상세히 분석합니다. 공개 사항: 이 글은 풍경 조사의 일환과 동시에 적응형 병렬 추론에 대한 관점입니다. 저자 중 한 명인 토니 리안은 아래에서 논의될 방법들 중 하나인 ThreadWeaver(리안 외, 2025)를 공동 주도했습니다. 저자들은 각 접근법을 그 자체의 맥락에서 제시하는 것을 목표로 합니다. 동기 부여: LLM의 추론 능력에 대한 최근의 발전은 데이터 및 파라미터 확장 외에도 주로 추론 시점의 확장에 의해 크게 촉진되어 왔습니다(OpenAI 외, 20

연구
진행 상황 및 관련 보도