본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI 뉴스 검색

제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.

발행 시간순

르쿤은 다음과 같이 입증했다: 규모는 결코 핵심이 아니며, 다음 토큰 경로는 효율성이 낮다.

편집|Neo, 쩌난 인공지능 선구자 얀 르쿤은 줄곧 “생성형 AI는 막다른 길이며, 세계 모델만이 진정한 미래다”라고 주장해 왔다. 그에 따르면 자기회귀 생성에는 수학적 한계가 존재하며, 텍스트는 인간 지식의 대부분을 담아낼 수 없다. 또한 진정한 추론은 최적화 기반의 추론이 아니며, 지능을 평가하는 기준은 새로운 과제를 학습하는 속도와 제로샷으로 완전히 새로운 환경에 대응하는 능력이어야 한다. 이러한 관점에 따라 르쿤이 모색하는 대안적 방향은 세계...

LeCun证明了:规模从未起作用,下一token路线效率低
진행 상황 및 관련 보도

리프스킬: 재귀적 LLM 에이전트를 위한 효율적인 잎 수준 행동 근거화

arXiv:2610.32412v1 발표 유형: 신규 초록: 재귀적 대규모 언어 모델(LLM) 에이전트는 분해, 실행 및 환경 피드백을 통해 장기적인 목표를 달성하는 과제를 해결한다. 그러나 원자적 하위 작업을 생성한 뒤에는, 익숙한 명령어를 실행 가능한 행동으로 변환하기 위해 다시 동일한 대규모 모델을 호출하는 경우가 많다. 우리는 고수준 계획은 과제마다 특화되어 있는 반면, 최하위 수준의 행동 구체화는 과제 간에 반복적으로 사용되며 환경에서 허용된 행동들과 비교·검증할 수 있다는 점을 관찰하였다. 이에 우리는 리프스킬(LeafSkill)을 제안한다. 이는 의미적으로 관련된 구체화 경험을 검색하고, 행동 템플릿을 현재 객체와 허용 가능한 행동에 결합하며, 경량형 1.7B 선택기를 활용해 결합된 행동을 선택하거나 변경되지 않은 하위 작업을 원래 에이전트에게 위임하는 외부 재사용 계층이다. 기술들은 외부에 남아 있다…

진행 상황 및 관련 보도