Docs faviconDOCS우성짱의 문서
Tag32건Article 32

#google-research

이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.

연관 태그

#research-blog공동문서 18 · 연관도 59%#empirical-research-assistance공동문서 2 · 연관도 25%#pathfinder공동문서 2 · 연관도 25%#project-astra공동문서 2 · 연관도 25%#remote-sensing-foundations공동문서 2 · 연관도 25%#alphaevolve공동문서 2 · 연관도 18%#academic-publishing공동문서 1 · 연관도 18%#accuracy-preserving-compression공동문서 1 · 연관도 18%#agent-gym공동문서 1 · 연관도 18%#agentic-privacy공동문서 1 · 연관도 18%

문서 목록

총 32건 중 25-32건

AI-generated synthetic neurons speed up brain mapping
Article2026년 4월 16일

AI-generated synthetic neurons speed up brain mapping

Google Research는 합성 뉴런 형태를 생성하는 MoGen으로 뇌 연결지도 재구성 AI의 오류를 줄이고, 대규모 뇌 매핑에서 필요한 수작업 검수 부담을 낮추는 방법을 제시했다.

미상
#mogen#pathfinder#pointinfinity#google-research
Improving the academic workflow: Introducing two AI agents for better figures and peer review
Article2026년 4월 8일

Improving the academic workflow: Introducing two AI agents for better figures and peer review

Google Cloud 연구진은 학술 연구 과정에서 그림 제작과 동료심사 부담을 줄이기 위해 PaperVizAgent와 ScholarPeer라는 두 개의 실험적 AI 에이전트 프레임워크를 소개했다.

Google
#papervizagent#scholarpeer#google-cloud#google-research
Building better AI benchmarks: How many raters are enough?
Article2026년 3월 31일

Building better AI benchmarks: How many raters are enough?

Google Research는 인간 평가자 간 불일치를 무시하지 않는 재현성 높은 AI 벤치마크를 만들기 위해, 평가 항목 수와 항목당 평가자 수의 최적 균형을 찾는 프레임워크와 시뮬레이터를 제시했다.

research.google
#d3code#dices#google-research#toxicity-dataset
​Sequential Attention: Making AI models leaner and faster without sacrificing accuracy
Article2026년 2월 4일

​Sequential Attention: Making AI models leaner and faster without sacrificing accuracy

구글 리서치는 대규모 딥러닝 모델의 부분집합 선택 문제를 학습 과정 안에서 순차적 attention 기반으로 해결해, 정확도를 유지하면서 모델을 더 작고 빠르게 만드는 Sequential Attention을 소개했다.

research.google
#sequentialattention#google-research#sequential-attention#orthogonal-matching-pursuit
Towards a science of scaling agent systems: When and why agent systems work
Article2026년 1월 28일

Towards a science of scaling agent systems: When and why agent systems work

Google Research는 180개 에이전트 구성의 통제 평가를 통해 다중 에이전트가 병렬화 가능한 과제에서는 성능을 크게 높이지만, 순차적 추론 과제에서는 오히려 성능을 떨어뜨릴 수 있다는 정량적 스케일링 원칙을 제시했다.

Google
#gemini#anthropic-claude#google-research#openai-gpt
Google Earth AI: Unlocking geospatial insights with foundation models and cross-modal reasoning
Article2025년 10월 23일

Google Earth AI: Unlocking geospatial insights with foundation models and cross-modal reasoning

Google Earth AI는 위성영상, 인구·이동, 환경 예측 모델과 Gemini 기반 지리공간 추론 에이전트를 결합해 복잡한 현실 문제를 단계적으로 분석하고 실행 가능한 지리공간 인사이트를 제공하려는 Google의 지리공간 AI 체계다.

research.google
#gemini#google-research#google-earth-ai#remote-sensing-foundations
Speculative cascades — A hybrid approach for smarter, faster LLM inference
Article2025년 9월 11일

Speculative cascades — A hybrid approach for smarter, faster LLM inference

구글 리서치가 제안한 ‘speculative cascades’는 표준 캐스케이드와 speculative decoding을 결합해 LLM 추론의 비용, 속도, 품질 사이의 균형을 더 유연하게 조정하는 하이브리드 방식이다.

research.google
#gemma#google-research#speculative-cascades#speculative-decoding
AMIE gains vision: A research AI agent for multimodal diagnostic dialogue
Article2025년 5월 1일

AMIE gains vision: A research AI agent for multimodal diagnostic dialogue

구글 리서치와 딥마인드는 시각 자료를 요청·해석·추론할 수 있는 다중모달 진단 대화 AI 에이전트 AMIE를 공개하고, 시뮬레이션 진료 평가에서 1차 진료의와 비교한 연구 결과를 제시했다.

Google
#google-deepmind#google-research#primary-care-physicians#multimodal