서베이
루프 및 재귀 깊이 트랜스포머: 아키텍처, 훈련, 적응형 추론, 이론 및 시스템
루프형(또는 재귀 깊이) 트랜스포머는 동일한 가중치 공유 블록을 토큰의 은닉 상태에 반복적으로 적용하여, "깊이"를 파라미터 수의 고정된 속성에서 추론 시에 투입할 수 있는 변수로 바꾼다.
리서치
서베이
하네스 수준의 재귀적 자기 개선: 분류체계, 증거 및 프런티어
에이전트의 역량은 점점 기본 모델이 아니라 그 주위에 구축된 하네스, 즉 지시사항, 컨텍스트 관리, 메모리, 도구와 스킬, 제어 흐름과 오케스트레이션, 그리고 에이전트 자체의 코드에 의존하게 된다.
서베이
컴퓨터 사용 에이전트: 방법, 데이터, 평가 및 신뢰
컴퓨터 사용 에이전트, 즉 스크린샷, 접근성 트리, 키보드 및 마우스 동작을 통해 그래픽 인터페이스를 조작하는 시스템은 약 3년 만에 스크립트 기반 개념 증명에서 단일 애플리케이션 작업의 대다수를 완료하는 훈련된 모델로 발전했습니다…
서베이
2025년 이후 게임 제작을 위한 AI 에이전트: 기술 경로, 검증기 및 미해결 문제
게임 제작은 재편되고 있다: "인간이 코드를 쓰고, 인간이 애셋을 만들고, 인간이 플레이테스트한다"에서 "에이전트가 엔지니어링 구조를 제안하고, 엔진 도구를 호출하며, 어떤 검증자가 결과의 통과 여부를 결정한다"로.