품질 AI 도구를 발견하십시오
업무 효율성을 향상시키는 데 도움이되는 세계 최고의 인공 지능 도구를 모으십시오.
SamuelAdams에 의해 게시 된 기사
2026년 세계 AI 컨퍼런스에서 갤럭시 제너럴 로보틱스의 왕허(Wang He) 최고기술책임자(CTO)는 체화 지능이 2028년 이전에 ChatGPT 수준의 성능을 달성하며 중대한 돌파구를 마련할 것이라고 전망했다. 방대한 데이터로 훈련된 미래의 파운데이션 모델은 첨단 사전 훈련 및 효율적인 사후 훈련 패러다임을 바탕으로, 훈련되지 않은 과제에서도 70~80%의 성공률을 달성할 수 있을 것으로 보인다.
2026년 세계 AI 컨퍼런스에서 갤럭시 제너럴 로보틱스의 왕허(Wang He) 최고기술책임자(CTO)는 체화 지능이 2028년 이전에 ChatGPT 수준의 성능을 달성하며 중대한 돌파구를 마련할 것이라고 전망했다. 방대한 데이터로 훈련된 미래의 파운데이션 모델은 첨단 사전 훈련 및 효율적인 사후 훈련 패러다임을 바탕으로, 훈련되지 않은 과제에서도 70~80%의 성공률을 달성할 수 있을 것으로 보인다.
마이크로소프트 리서치 AI 프론티어스 랩(Microsoft Research AI Frontiers Lab)은 브라우저 자동화를 위해 설계된 에이전트 모델인 Fara 1.5 시리즈를 공개했습니다. 최대 270억 개의 파라미터를 갖춘 이 모델들은 MagneticLite 샌드박스를 통해 ‘관찰-사고-행동(Observe-Think-Act)’ 주기를 활용하여 웹 작업을 수행합니다. 벤치마크 테스트에서 270억 파라미터 버전은 72%의 작업 성공률을 기록하며 OpenAI Operator와 같은 경쟁 모델들을 앞섰습니다. 이 모델들은 다양한 데이터로 훈련되었으며, 안전 기능을 탑재해 불분명한 작업이나 개인정보 보호 문제가 있을 경우 되돌릴 수 없는 작업을 실행하기 전에 중단합니다.
마이크로소프트 리서치 AI 프론티어스 랩(Microsoft Research AI Frontiers Lab)은 브라우저 자동화를 위해 설계된 에이전트 모델인 Fara 1.5 시리즈를 공개했습니다. 최대 270억 개의 파라미터를 갖춘 이 모델들은 MagneticLite 샌드박스를 통해 ‘관찰-사고-행동(Observe-Think-Act)’ 주기를 활용하여 웹 작업을 수행합니다. 벤치마크 테스트에서 270억 파라미터 버전은 72%의 작업 성공률을 기록하며 OpenAI Operator와 같은 경쟁 모델들을 앞섰습니다. 이 모델들은 다양한 데이터로 훈련되었으며, 안전 기능을 탑재해 불분명한 작업이나 개인정보 보호 문제가 있을 경우 되돌릴 수 없는 작업을 실행하기 전에 중단합니다.
OpenAI는 1억 5천만 파라미터를 가진 ‘프라이버시 필터(Privacy Filter)’ 모델을 Hugging Face와 GitHub에 아파치 2.0 라이선스로 오픈소스화했습니다. MoE(Masked Embedding) 기반의 이 모델은 심층 언어 이해 기술을 활용해 텍스트 내 개인 데이터를 익명화하며, 벤치마크에서 97.43의 F1 점수를 기록했고, 온프레미스 배포 시 12만 토큰 규모의 컨텍스트를 지원합니다. 이 모델은 개발 파이프라인의 개인정보 보호에 도움을 주지만, 기밀성이 매우 높은 분야의 규정 준수 요건을 대체할 수는 없습니다.
OpenAI는 1억 5천만 파라미터를 가진 ‘프라이버시 필터(Privacy Filter)’ 모델을 Hugging Face와 GitHub에 아파치 2.0 라이선스로 오픈소스화했습니다. MoE(Masked Embedding) 기반의 이 모델은 심층 언어 이해 기술을 활용해 텍스트 내 개인 데이터를 익명화하며, 벤치마크에서 97.43의 F1 점수를 기록했고, 온프레미스 배포 시 12만 토큰 규모의 컨텍스트를 지원합니다. 이 모델은 개발 파이프라인의 개인정보 보호에 도움을 주지만, 기밀성이 매우 높은 분야의 규정 준수 요건을 대체할 수는 없습니다.
246명의 참가자를 대상으로 한 대규모 검증 연구에서 소비자용 스마트워치가 보행 속도 및 보폭과 같은 주요 보행 지표를 추정하는 데 매우 신뢰할 수 있는 플랫폼임을 확인했습니다. 새로운 딥러닝 모델을 활용하여 손목 착용형 스마트워치는 스마트폰 기반 방법과 유사한 정확도를 달성했습니다. 이를 통해 실험실 환경 밖에서도 건강 모니터링 및 낙상 위험 평가를 위한 실용적이고 지속적인 보행 분석이 가능해졌습니다.
246명의 참가자를 대상으로 한 대규모 검증 연구에서 소비자용 스마트워치가 보행 속도 및 보폭과 같은 주요 보행 지표를 추정하는 데 매우 신뢰할 수 있는 플랫폼임을 확인했습니다. 새로운 딥러닝 모델을 활용하여 손목 착용형 스마트워치는 스마트폰 기반 방법과 유사한 정확도를 달성했습니다. 이를 통해 실험실 환경 밖에서도 건강 모니터링 및 낙상 위험 평가를 위한 실용적이고 지속적인 보행 분석이 가능해졌습니다.
