Show HN: LLM-cost-watch – Claude에게 왜 귀하의 LLM 청구서가 급증했는지 물어보세요
기사 URL: https://github.com/rohith0707/llm-cost-watch 댓글 URL: https://news.ycombinator.com/item?id=50415785 포인트: 1 # 댓글: 0
AI NEWS JOURNAL
AI 뉴스 검색
제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.
@GitHub in Slack 및 Teams는 일반 제공 중이며 더 많은 기능을 제공합니다
Slack과 Teams에서 @GitHub로 대화를 코드로 전환하세요! 버그를 조사하고, 이슈를 생성하며, 변경 사항을 구현하고, 풀 리퀘스트를 열 수 있습니다—모두 대화창을 떠나지 않고 가능합니다. 새로운 기능: 함께 빌드하고 검토하세요… 글 '@GitHub in Slack and Teams 일반 출시 및 추가 정보'는 GitHub 블로그에 처음 게시되었습니다.
Show HN: LLMBrake – OpenAI/Anthropic API 호출에 대한 고객별 달러 한도
기사 URL: https://github.com/llmbrake/llmbrake 댓글 URL: https://news.ycombinator.com/item?id=50386174 포인트: 2 # 댓글: 0
Show HN: 시나몬 – 가정용, 개인 및 공유 컨텍스트를 위한 보다 안전한 AI 에이전트
기사 URL: https://getcinnamon.ai/ 댓글 URL: https://news.ycombinator.com/item?id=50373233 포인트: 2 # 댓글: 1
Show HN: 스크린샷 없이 웹사이트 성장을 공유할 수 있는 도구를 만들었습니다
기사 URL: https://pagzi.online/ 댓글 URL: https://news.ycombinator.com/item?id=50376039 포인트: 1 # 댓글: 0
n8n@2.46.6
n8n 2.46.6 업데이트는 모든 플랫폼에서 n8n의 npm 설치가 작동하지 않던 문제를 해결하여 호환성과 기능을 복원합니다.
n8n@2.47.2
n8n 2.47.2 업데이트는 모든 플랫폼에서 n8n의 npm 설치가 작동하지 않던 문제를 해결하여 호환성과 기능을 복원합니다.
당신의 비즈니스, 항상 최신 상태로. 스트림하우스 - AI 시대를 위한 데이터 아키텍처.
Streamhouse는 분산 시스템 전반에 걸쳐 현재 비즈니스 상태와 컨텍스트를 지속적으로 수집, 처리, 관리하고 제공하여 애플리케이션, AI 에이전트 및 분석 도구에서 활용할 수 있도록 하는 데이터 아키텍처입니다.
인텔 주가 폭락, 정부 지분 가치 120억 달러 하락
AI 산업이 메모리 및 기타 부품을 대량으로 소비하면서 PC 가격이 상승하고 있는 가운데, 인텔은 PC 판매 부진으로 타격을 받고 있다.
AI 분야의 최고 기업들이 데이터 수집을 거부하는 새로운 방식을 지지하고 있습니다
OpenAI, Google, Microsoft, 그리고 Anthropic은 출판사들이 AI에 의해 데이터를 수집되는 것을 거부할 수 있는 새로운 표준을 채택할 것이라고 밝혔습니다. 이는 앞서 Search Engine Roundtable에서 보도된 바와 같습니다. 이러한 제어 기능을 통해 출판사들은 개별적으로 설정해야 했던 AI 학습 선호 사항을 여러 AI 기업에 걸쳐 일괄적으로 적용할 수 있게 됩니다. 공유된 “정책 토큰” 신호는 […]
엔비디아 네모클로우를 사용해 귀하가 관리하는 스택 위에 특화된 에이전트 구축
자율 에이전트를 구축하려면 모델, 하네스 및 도메인 특화 도구가 필요합니다. 에이전트를 보다 안전하게 배포하기 위해 개발자는 정책을 강제하는 런타임 환경과 함께...
AI 에이전트를 배치하려는 경쟁은 데이터 접근이라는 익숙한 장애물을 맞닥뜨리고 있다
AI 에이전트를 생산 환경에 도입하려는 기업들은 모델 선택보다 역할 기반 접근 제어가 그 에이전트를 신뢰할 수 있는지 여부를 결정한다는 사실을 점차 깨닫고 있다. 증가하는 추론 비용, 개인정보 보호 우려, 그리고 주권 요구 등도 더 많은 AI 워크로드를 기업 내 데이터 센터로 다시 이전하도록 만들고 있다. 이러한 변화는 수년간 민감한 데이터를 관리해 온 기업들에게 유리하게 작용한다. 해당 게시물 ‘AI 에이전트를 배치하려는 경쟁, 데이터 접근에서 익숙한 장애물 마주’는 SiliconANGLE에 처음 게재되었다.
Ask HN: 당신도 이 AI 시대에 지치고 계신가요?
AI 덕분에 우리는 훨씬 더 많은 일을 할 수 있게 되었지만, 저는 예전보다 훨씬 더 피곤함을 느낍니다. 동시에 진행되는 수많은 일들을 관리하고, 생성된 방대한 양의 텍스트를 읽어야 하기 때문입니다.
공정한 딥페이크 탐지를 위한 교차적 불변 학습
arXiv:2610.37881v1 발표 유형: 신규 초록: 딥페이크 탐지 모델은 전반적인 정확도는 높지만, 인구통계학적 집단 간 성능 격차가 크기 때문에 일부 집단에서는 다른 집단에 비해 훨씬 높은 거짓양성률을 경험하게 됩니다. 기존의 공정성 지향 방법들은 모델 출력을 제한하여 집단별 예측을 균등화하는 방식으로 이 문제를 해결하려 하지만, 근본적인 특징 수준의 편향에는 대응하지 못합니다. 그 결과, 모델들이 여전히 피부 질감과 같은 인구통계학적 특성을 조작된 콘텐츠를 탐지하는 간접적 단서로 활용할 수 있는 상황이 발생합니다. 이러한 문제를 해결하기 위해 우리는 모델 출력만을 조정하는 것이 아니라 특징 학습 자체를 개선하는 프레임워크인 교차적 불변 학습(IIL)을 제안합니다. IIL은 가장 어려운 인구통계학적 하위 집단을 식별하는 과정을 반복적으로 수행하며
스포크, 링이 아니다: 언어 모델의 주중 다양체 재검토
arXiv:2610.37796v1 발표 유형: 신규 초록: 최근 연구에서는 대규모 언어 모델이 특정 개념을 단일 방향이 아닌 다차원적 다양체로 표현할 수 있다고 가정해 왔습니다. 이러한 다양체를 활용하여 표현을 해석하거나 조정하는 과정에서는, 일반적으로 다양체를 따라 이동하는 것이 표현된 개념에 대한 연속적인 변화와 일치한다고 여겨집니다. 본 연구에서는 이러한 연속적 다양체 가정을 전형적인 주중 다양체에 대해 검증합니다. 주목할 만한 원형 기하학에도 불구하고, 우리는 주중 표현들이 연속적인 링이라기보다는 원형으로 배열된 일곱 개의 분리된 상태와 더 유사하다는 점을 발견했습니다. 첫째, 국소적 민감도가 요일에 맞춰 일곱 개의 최소점을 가지며, 이는 다양체 내 조정 하에서 표현과 행동 간의 계단식 매핑을 생성함을 보여줍니다. 둘째, w
LLM 정렬을 위한 리스트와이즈 선호도의 랭크 인식 차분적 개인 정보 보호 공개
arXiv:2610.37682v1 발표 유형: 신규 초록: 리스트와이즈 선호도 피드백은 쌍대비교보다 대규모 언어 모델(LLMs) 정렬을 위한 더 풍부한 감독 정보를 제공하지만, 전체 순위는 더욱 민감한 사용자 선호까지 드러냅니다. 기존의 개인정보 보호형 정렬 방법들은 주로 쌍대비교 피드백에 집중해 왔으며, 로컬 차분적 개인 정보 보호(LDP) 하에서의 리스트와이즈 정렬은 아직 미탐구 상태입니다. LDP를 이러한 리스트와이즈 영역으로 확장하는 데에는 중대한 과제가 따릅니다: 전체 순위 공간의 높은 민감성으로 인해 과도한 노이즈가 발생하여 리스트와이즈 감독의 이점이 무력화될 수 있기 때문입니다. 이 문제를 해결하기 위해 우리는 하위 단계 학습에서 감독의 세분화 정도와 개인정보 보호 노이즈 간의 상호작용을 분석하고, 리스트와이즈 선호도를 개인화하는 랭크 인식 지수 메커니즘을 도입합니다.
노출은 약속이 아니다: 도구 사용 에이전트를 위한 잠재적 모니터의 이중 계층 평가
arXiv:2610.37679v1 발표 유형: 신규 요약: 도구를 사용하는 언어 에이전트는 간접적인 프롬프트 주입에 취약하며, 점점 늘어나는 연구들은 모델 내부를 분석하여 안전하지 않은 행동이 실행되기 전에 이를 포착하려고 시도하고 있지만, 그 결과는 매우 상반됩니다. 우리는 이러한 갈등의 대부분이 평가 과정에서 발생하는 오류 때문이라고 주장하며, 평가와 학습 집단 모두에서 주입 노출과 행동적 약속을 분리하는 이중 계층화 프로토콜을 제안합니다. 주요 Qwen AgentDojo 그리드에서, 무지한 상태로 불안전한 행동과 나머지 행동을 혼합한 대조를 기반으로 학습된 모니터들은 대부분 노출을 인식하는 방식으로 학습됩니다. 즉, 에이전트가 실제로 행동을 따르든 아니든 노출된 경로를 표시하며, 어떤 경우에 안전하지 않은 행동으로 이어지는지 거의 예측하지 못합니다. 노출된 사례들만을 대상으로 재학습한 동일한 탐지 계열은 모델 자체가 수행하는 안전하지 않은 도구 호출을 최대 2초 전까지 예측할 수 있습니다.
의료 영상 분야를 위한 책임 있는 양자 기계 학습: 민감한 하위 집단 전반에 걸친 공정성 감사
arXiv:2610.37819v1 발표 유형: 신규 초록: 양자 기계 학습(QML)은 의료 분류 작업에서 점점 더 활발히 탐구되고 있지만, 하위 집단을 고려한 공정성 기준 하에서의 성과는 아직 충분히 연구되지 않았다. 우리는 QML이 본질적으로 공정하지 않다는 가정 하에, 의료 영상 분석을 위한 클래식 및 양자 분류기의 실증적 공정성 감사를 제시한다. 두 가지 시나리오를 평가하며, DDI 데이터를 이용한 피부병변 분석(민감 속성: 피츠패트릭 피부 타입)과 CheXpert에서 파생된 데이터를 활용한 흉부 X선 이미지 분석(민감 속성: 연령대)을 포함한다. ResNet-18 임베딩을 사용하여, 기본 설정과 세 가지 완화 조치 설정—미분 가능한 Equalized Odds (EO) 정규화, Gradient Reversal Learning (GRL), 그리고 이 두 가지를 결합한 방식—하에 SVM, MLP, QSVM 및 QCNN을 학습시킨다. 또한 기초 모델들(PanDerm, EVA-X)은 외부 기준으로 활용된다.
저역 통과 동역학을 넘어서: 공명 뉴런을 갖춘 주파수 선택적 스파이킹 저수지
arXiv:2610.37906v1 발표 유형: 신규 초록: 스파이킹 저수지 컴퓨팅은 고정된 재귀형 저수지의 학습 효율성과, 매 테이프스텝마다 밀집하여 연산을 수행하는 대신 희소한 스파이크에 의해 연산이 촉발되는 이벤트 기반 추론의 에너지 효율성을 결합한다. 그러나 기존의 스파이킹 저수지는 거의 대부분 누설 통합-화재(LIF) 뉴런에 의존하며, 이 뉴런들의 저역 통과 동역학은 서로 다른 시간 주파수로 부호화된 정보를 구분하는 능력을 제한한다. 우리는 HRF-Res를 제안하는데, 이는 LIF 뉴런을 조화 공명-화재(HRF) 뉴런의 이질적인 집단으로 대체한 액체 상태 머신이다. 이러한 뉴런들은 내재된 진동 동역학을 보이며 입력 주파수에 선택적으로 반응하여, 저수지가 주파수
TRACEs: 분산 과학 워크플로우를 위한 세밀한 임베디드 퍼베넌스
arXiv:2610.39981v1 발표 유형: 신규 초록: 대규모 과학 워크플로우는 분산된 HPC 자원에서 실행되므로, 과학 데이터 산출물이 어떻게 생성되는지와 왜 동일한 워크플로우 실행에서도 매우 다른 결과가 나올 수 있는지를 설명하기가 어렵습니다. 기존 시스템은 주로 분산 워크플로우 실행 또는 퍼베넌스 관리에만 집중하며, 세밀한 수준의 퍼베넌스를 분산 과학 데이터 아티팩트의 본질적 속성으로 다루는 경우는 드뭅니다. 우리는 TRACEs(고급 컨테이너화 실행을 위한 추적 가능한 런타임)를 제안합니다. 이는 분산된 컨테이너화된 과학 워크플로우를 위한 퍼베넌스 아키텍처로서, 생성된 모든 데이터 아티팩트에 데이터 계보와 실행 컨텍스트를 직접 내장합니다. 퍼베넌스를 워크플로우 오케스트레이션과 분리함으로써, TRACEs는 아티팩트 중심의 퍼베넌스를 일반화합니다.