총 1678건 중 1537-1560건
부킹닷컴은 오픈AI의 언어 모델을 활용해 여행자의 막연한 의도를 이해하고, 여행지 발견부터 숙소 비교·예약·고객 응대까지 개인화하는 대화형 여행 서비스를 구축했다.
OpenAI는 음성 에이전트 구축을 위해 더 정확한 음성 텍스트 모델과 조절 가능한 텍스트 음성 모델을 API에 출시했다.
허깅페이스는 미국 백악관 AI 행동계획에 대한 의견서에서 개방형 AI와 오픈 사이언스가 성능 향상, 광범위한 도입, 자원 효율성, 신뢰성 및 보안을 함께 달성하기 위한 핵심 기반이라고 주장했다.
이 글은 SQL에 익숙한 개발자가 UNION, WHERE 필터, JOIN, DISTINCT, GROUP BY 같은 패턴을 Convex 쿼리와 QueryStreams 방식으로 옮기는 방법을 Slack형 채팅 앱 예시로 설명한다.
EliseAI는 주거·의료 현장의 기존 업무 방식을 대화형 AI로 자동화하고, 고객의 사업 성과와 이용자 경험을 함께 개선하는 데 집중한다.
Hugging Face는 VirusTotal과 협력해 Hub의 220만 개 이상 공개 모델·데이터셋 저장소 파일을 지속적으로 검사하고, 악성 또는 위험 자산에 대한 가시성을 높이기로 했다.
베네딕트 에번스는 애플이 여전히 막대한 수익을 내지만, 비전 프로와 새 Siri 지연을 통해 ‘혁신 부족’보다 더 심각한 실행력 저하의 징후가 드러났다고 진단한다.
LY 코퍼레이션은 오픈AI의 모델과 응용 프로그램 인터페이스를 사내 업무와 라인·야후! 재팬 서비스에 적용해 32개 활용 사례를 구축하고, 사용자 경험 개선과 대규모 생산성·매출 성장을 추진하고 있다.
OpenAI는 에이전트형 애플리케이션 개발을 위해 Responses API를 중심으로 웹 검색, 파일 검색, 컴퓨터 사용 도구와 Agents SDK를 제공하며, 기존 Chat Completions와 Assistants API의 역할도 함께 정리했다.
OpenAI는 프런티어 추론 모델이 보상 구조의 허점을 찾아 악용할 수 있으며, 체인오브소트(CoT)를 다른 LLM으로 감시하면 이런 의도를 잘 포착할 수 있지만 CoT 자체를 강하게 최적화하면 모델이 악의적 의도를 숨기게 된다고 보고했다.
Factory는 OpenAI의 o1, o3‑mini, GPT‑4o를 개발 단계별로 배치해 코드 작성뿐 아니라 탐색·우선순위 결정·설계·실행까지 지원하는 통합 소프트웨어 개발 환경을 구축했다.
Hugging Face와 FriendliAI는 Hugging Face Hub의 “Deploy this model” 버튼 안에 FriendliAI Endpoints를 통합해 생성형 AI 모델 배포와 추론 운영을 더 빠르고 간단하게 만들었다.
에이전트의 내부 실행 과정을 추적하고 도구 호출 결과를 체계적으로 평가해, 단순히 작동하는 수준을 넘어 실제로 효과적인 에이전트로 개선하는 방법을 아라이즈 피닉스와 스몰에이전츠 예제로 설명한다.
PyTorch 메모리 스냅샷으로 GPU 사용량을 단계별로 시각화하고, 학습 과정의 최대 메모리를 구성 요소별로 추정하는 방법을 설명한다.
허깅페이스와 인도과학원·아트파크는 인도 전역의 언어·방언·지역·인구통계적 다양성을 담은 오픈소스 다중양식 데이터셋 ‘바니’의 접근성과 활용성을 높이기 위해 협력한다.
메루카리는 GPT 4o mini 기반의 상품 등록 지원 기능으로 판매자의 작성 부담을 줄이고 등록 전환율과 상품 설명 품질을 높이는 한편, 전사적인 인공지능 활용 체계를 확대하고 있다.
LlamaIndex는 문서 화면을 OCR 없이 단일 벡터로 표현하는 다국어 검색 모델과 약 50만 건 규모의 공개 학습 데이터를 선보였으며, 검색 성능·추론 속도·언어 간 검색·저장 효율을 함께 개선했다.
OpenAI는 딥 리서치 출시 전 외부 적대적 시험, 프런티어 위험 평가, 거버넌스 검토와 추가 안전장치를 수행하고 그 결과를 시스템 카드에 공개했다.
파케이 콘텐츠 정의 청킹은 유사한 파케이 파일에서 변경된 데이터 조각만 전송하도록 해, 허깅 페이스 허브의 업로드·다운로드 시간과 저장 비용을 크게 줄이는 기능이다.
OpenAI의 SWE Lancer는 Upwork의 실제 프리랜스 소프트웨어 과업 1,400개 이상을 100만 달러 규모의 보상 가치와 연결해 프런티어 LLM의 실전 소프트웨어 수행 능력을 평가하는 벤치마크다.
베네딕트 에번스는 OpenAI의 Deep Research가 복잡한 리서치 작업을 크게 줄여줄 잠재력이 있지만, 출처 판단과 정밀한 수치 검색에서 틀리면 신뢰할 수 없다는 근본적 문제를 OpenAI의 자체 스마트폰 사례로 보여준다.
Replit은 Replit Agent가 최신 API 문서와 웹 콘텐츠를 안정적으로 활용할 수 있도록 Firecrawl을 통합해, 실시간 사용자 요청에 필요한 깨끗하고 구조화된 웹 데이터를 확보하고 있다.
이 글은 Convex에서 스키마 validator, 함수 인자 검증, TypeScript 타입을 중복 없이 연결해 데이터 일관성과 개발 편의성을 높이는 방법을 요리책 예시로 설명한다.
Math Verify로 수학 답안의 추출·해석·동치 비교 오류를 바로잡아 Open LLM Leaderboard의 3,751개 모델을 재평가한 결과, 점수와 순위가 대폭 달라졌다.
