본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI 뉴스 검색

제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.

발행 시간순

마스크의 예측: 아직도 사람마다 일일이 서명을 받아야 하는 기업은 결국 패배할 것이다!

내용 출처: 본 글은 인터넷 공개 자료를 바탕으로 정리되었습니다. 편집자 | 칠 제9923편의 심층 기사: 6,342자 | 읽는 데 약 14분 소요 2026년 10월 27일, 실리콘밸리의 최고급 벤처캐피털 a16z의 공동 창립자 벤 호로위츠가 만자에 달하는 장문의 글을 발표했습니다. 그는 ‘벤처 캐피털의 어려움’의 저자이기도 합니다. 그가 분석한 대상은 기업 가치 1,900억 달러, 연간 매출 70억 달러를 돌파한 데이터 기업 데이터브릭스였습니다. 그러나 실제로 당신이 시간을 들여 살펴볼 만한 것은 기업 가치 수치가 아니라...

马斯克预测:还要人挨个签字的公司,会输!
진행 상황 및 관련 보도

크럭스 랩스, 인간의 판단으로 기업용 에이전트를 개선하기 위해 600만 달러 이상 조달

기업의 판단을 지속적인 에이전트 개선으로 전환하는 인공지능 플랫폼인 크럭스 랩스가 오늘 600만 달러 이상의 투자 유치와 함께 출범했습니다. 이번 라운드는 벤치스트렝스와 미스니치가 주도했으며, 아날로그 벤처스와 파레토 홀딩스도 참여했습니다. 현재 도입된 기업용 AI 에이전트의 규모는 하루에 수천 건에서 수백만 건의 사용자 상호작용까지 다양합니다. 기존 관찰성 […] 포스트 ‘크럭스 랩스, 인간의 판단으로 기업용 에이전트를 개선하기 위해 600만 달러 이상 조달’은 실리콘앵글에서 처음 게재되었습니다.

진행 상황 및 관련 보도

할인 거래가 무너지면서 AI 토큰 판매는 더욱 어려워지고 있다

모델 크레딧이 페스티벌 프로모션과 통신사형 팩에 등장하고 있다. 불투명한 마진으로 성장해 온 소규모 리셀러들은 품질에 대한 의문, 규제 강화, 그리고 더 많은 자금을 갖춘 경쟁업체들에 직면했다. 지속 가능한 중개업체들은 비밀 가격 인하가 아니라 라우팅, 신뢰, 통합에 대해 비용을 청구할 것이다.

진행 상황 및 관련 보도

iMerit이 AI 개발자와 산업별 전문가를 연결하는 iMerit Scholars 플랫폼을 출시했습니다.

인도의 AI 데이터 서비스 기업 iMerit는 2026년 10월 26일에 iMerit Scholars 플랫폼을 출시했으며, 이는 AI 개발자들이 의학, 농업, 수학 등 전문 분야 배경을 갖춘 분야 전문가를 모집하고 관리하여 모델 평가, 미세조정 및 검증을 지원하도록 설계되었습니다. 해당 플랫폼은 Ango Hub 기술 스택을 기반으로 하며, Trolley Technologies의 결제 준법 역량을 통합해 전문가들의 모델에 대한 능동적인 ‘도전’과 오류 식별 능력을 강조합니다.

추천 이유:출처는 2026년 10월 26일에 게재된 SiliconANGLE의 독점 보도로, 명시된 게시 일시, 회사 공식 인용(라다 바수), 검증 가능한 운영 세부사항(예: 3만여 명의 전문가, 118개국, 3단계 자격 심사) 및 비즈니스 모델 설명을 포함하고 있습니다. 내용은 제품 출시 사실에 초점을 맞추며, 확인할 수 없는 예측이나 제3자 추천은 포함하지 않습니다.

진행 상황 및 관련 보도

내일 무엇을 물어볼지 학습하기: 장기적 개인화 웹 에이전트를 위한 능동적 선호도 획득

arXiv:2610.31107v1 발표 유형: 신규 요약: 웹 에이전트는 여행 예약, 쇼핑, 일정 관리 등 반복적인 온라인 작업에서 동일한 사용자를 지속적으로 지원하므로, 그들의 장기적 유용성은 사용자의 선호를 얼마나 잘 파악하고 있는가에 달려 있습니다. 수동적 기억 및 개인화 방법은 사용자가 결코 드러내지 않는 선호를 파악할 수 없으며, 현재 작업에 대한 이익만을 중시하는 명확화 방법은 이후 작업에서도 해당 답변을 재사용할 수 있는 이점을 간과합니다. 우리는 능동적 선호도 획득(APA)을 연구합니다: 어떤 누락된 선호가 질문하는 데 드는 비용을 감수할 만한 가치가 있을까요? 우리는 누락된 선호의 전망적 개인화 가치(PPV)를, 향후 작업들에서 기대되는 누적 효용 증가에서 질문에 따른 노력과 정보 공개 위험 비용을 차감한 값으로 정의하고, 질문을 선택합니다.

Learning What to Ask for Tomorrow: Active Preference Acquisition for Long-Term Personalized Web Agents
진행 상황 및 관련 보도