제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
arXiv:2610.32069v1 발표 유형: 신규 초록: 최근 다중 모달 대규모 언어 모델(MLLM)은 단일 모델 내에서 교통 상황을 인지하고 이를 바탕으로 추론하며 주행 행동을 제안할 수 있습니다. 그러나 기존의 MLLM 기반 주행 시스템은 매 프레임마다 처음부터 다시 추론을 수행하고 단 하나의 설명에만 의존하여, 이전의 상황에 대한 여러 가설을 버리게 됩니다. 상황이 모호할 경우, 에이전트는 잘못된 해석에 고정되어 증거가 축적되기 전에 그에 따라 행동하게 됩니다. 본 논문에서는 DriveMind를 제안합니다. 이는 MLLM 기반 주행 프레임워크로, 상황에 대한 여러 가지 가설을 동시에 유지하면서 새로운 프레임이 도착할 때마다 각 가설의 가중치를 업데이트합니다. 입자 필터링에서 영감을 받은 DriveMind는 각 가설을 VLM을 통해 전파하고, 현재 관찰과 비교하여 점수를 매긴 뒤 재표본화하여 m
2026년 10월 21일에서 22일을 전후한 약 48시간 동안, 전 세계적으로 고위험 AI 가속 취약점 및 침입 사건이 10여 건 이상 집중적으로 발생했으며, 이에는 PHP2Shell, GitLab RCE(CVSS 10), NGINX/HTTP/3 DoS, LiteLLM 비밀번호 탈취, eMudhra CA 키 유출, Quest Diagnostics 의료 데이터 노출 등이 포함된다. 또한 Storm-0940 등 국가 행위체는 ARTEX와 같은 오픈소스 지능형 침투 프레임워크를 활용해 대규모 공격을 감행했다. 같은 시기, 형식적 검증, 오픈소스 수정 에이전트, 에이전트 기술 표준화 및 하드웨어 수준 최적화 등을 포함한 AI 보안 방어 체계가 가속화되어 구축되고 있다.
아마존 세이지메이커는 트레이닝 세션(Training Sessions) API를 출시하여, 사용자가 순수 파이썬 스크립트로 SFT, RLHF, GRPO, KTO 등과 같은 맞춤형 대규모 모델 훈련 로직을 구현할 수 있도록 지원합니다. GPU 리소스 스케줄링, 장애 복구, 분산 실행 및 체크포인트 관리는 모두 서비스에서 관리합니다.
