집
도구
모델
앱
프롬프트
뉴스
주제
포함을 위해 제출하십시오
한국어
English 日本語 한국어 Português español Deutsch Русский Français 繁體中文 简体中文
옵션
집 닫다
집
도구
범주 순위 커버 생성 이미지 생성 Skill
모델
대형 언어 모델 멀티모달 모델
앱
프롬프트
프롬프트 이미지 프롬프트
뉴스
뉴스 속보
주제
포함을 위해 제출하십시오
앱 제출 도구 제출
계정을 만듭니다 로그인
언어를 변경하십시오 한국어 언어를 변경하십시오
설정
English EN 日本語 JA 한국어 KO Português PT español ES Deutsch DE Русский RU Français FR 繁體中文 ZH-TW 简体中文 ZH-CN
집
속보
콘텐츠
PatrickEvans
PatrickEvans
2025년 11월 6일

스타트업 인셉션, 확산 기반 AI 모델 개발을 위해 멘로 벤처스가 주도하는 시드 펀딩 5천만 달러 유치 스탠포드 교수 스테파노 에몬이 이끄는 이 회사는 자사의 접근 방식이 GPT 같은 자동 회귀 모델보다 지연 시간과 컴퓨팅 비용이 낮다고 주장합니다. 소프트웨어 개발을 위한 머큐리 모델은 ProxyAI 같은 도구에 통합되어 있습니다.

0
0
공유 링크를 복사하려면 클릭
의견 (0)
0/300
제출하다
작가 HarryLewis HarryLewis 2026년 9월 24일
알리바바 DAMO 아카데미는 식도암 선정을 위한 네 번째 AI 모델인 DAMO EAGLE을 출시했습니다. 3개국에서 8만 건의 사례로 검증되었으며 《네이처 메디신》에 게재된 이 AI는 위내시경이나 조영제 없이 일반 CT 영상만으로 초기 단계의 암을 탐지합니다. 90%의 민감도와 99.2%의 특이도를 달성한 이 AI는 기존 폐암 선검 시스템과 원활하게 통합됩니다. 이는 DAMO의 일반 CT 기반 AI 다중 검사 전략을 한층 강화하는 것으로, 단일 영상 촬영을 통해 중국에서 사망률이 높은 7대 암을 조기에 발견함으로써 조기 진단율을 높이고 의료 자원 격차를 해소하는 것을 목표로 합니다.
0
0
/ko/live/7618
작가 JosephScott JosephScott 2026년 9월 24일
약 7조 위안 규모의 중국 라이브 스트리밍 전자상거래 시장은 폭발적인 성장 단계에서 AI가 주도하는 성숙기로 전환되고 있다. JD.com과 같은 플랫폼은 무료 AI 진행자를 제공함으로써 운영 비용을 80~90% 절감하고 있다. 두인(Douyin)이 AI 콘텐츠를 규제하고 있는 반면, 업계 리더들은 AI가 인간 진행자가 형성하는 정서적 유대감과 신뢰 구축을 대체할 수는 없다고 강조한다. 이 분야는 AI가 효율성과 비용 절감을 담당하고, 실제 진행자는 맞춤형 소통과 브랜드 충성도 강화에 집중하는 하이브리드 모델로 진화하고 있으며, 이는 할인 중심의 판매에서 정교하고 장기적인 수익성으로의 전환을 의미한다.
0
0
작가 TimothyHernández TimothyHernández 2026년 9월 24일
화웨이는 하모니OS 기기를 위한 연중무휴 24시간 맞춤형 어시스턴트인 ‘샤오이 워크(Xiaoyi Work)’를 출시했다. 이 서비스는 클라우드와 로컬 환경을 아우르며 코딩 및 분석과 같은 복잡한 작업을 자율적으로 수행함으로써 기기 간 연속성을 보장한다. 신규 사용자에게는 31일 동안 1,000 AI 포인트를 무료로 제공합니다. 이번 출시를 통해 업계 경쟁이 단순한 단일 생성 작업에서 벗어나, 사무실 환경에서 장시간 작업의 안정성과 클라우드 자원 스케줄링으로 초점이 이동하고 있음을 보여줍니다.
0
0
/ko/live/7616
작가 StevenAdams StevenAdams 2026년 9월 24일
문샷은 2026년 10월 김미 K3.1을 출시할 예정이며, 이는 저, 높음, 최대의 세 가지 추론 강도 수준을 특징으로 합니다. 유출된 구성은 최대 100만 토큰의 확장된 컨텍스트 지원, 에이전트 모드 및 스웜 다중 에이전트 협업을 시사합니다. 2.8조 매개변수를 가진 플래그십 K3 모델을 기반으로 K3.1은 에이전트 협업 및 작업 스케줄링 기능을 강화하는 것을 목표로 하지만, 공식 지표는 출시 전까지 확인되지 않았습니다.
0
0
작가 MatthewScott MatthewScott 2026년 9월 24일
텐센트 환위안 팀은 대규모 모델 강화학습을 위한 배치 크기를 재정의하여 효율성을 높였습니다. 핵심 배치 크기를 재조정하고 학습률을 조정함으로써, 그들의 접근 방식은 PPO와 GRPO와 같은 온라인 RL 알고리즘을 최적화합니다. 이 방법은 롤아웃 생성과 학습 규모 간의 불일치를 해결하여, 각 응답이 데이터 희석 없이 효과적으로 학습할 수 있도록 보장합니다. 실제 테스트 결과, 고정된 하드웨어에서 PPO의 처리량이 2.29배 증가하고 GRPO의 소요 시간이 29% 단축되었습니다. 이 전략은 학습 팀이 GPU 활용을 극대화하여 더 큰 클러스터나 더 많은 데이터 없이도 비용을 크게 절감하고 모델 개발을 가속화할 수 있도록 합니다.
0
0
OR