연구진은 확산 기반 계획 모델이 기존 자기회귀 모델보다 계획을 두 배 더 자주 복구하고, 생성 시간은 최대 절반까지 줄인다고 밝혔습니다.
짧은 소식작성: OossaOossa 게시일: 1 분 읽기
논문은 확산 언어 모델(dLLM)이 구조화된 계획을 세운 뒤, 오류가 있는 부분만 수정하는 프레임워크 Plan-and-Patch를 소개합니다. Natural Plan 벤치마크 테스트에서 확산 계획 모델은 53.7%의 확률로 계획을 복구해, 자기회귀 계획 모델의 27.0%를 웃돌았습니다. ALFWorld 같은 에이전트 작업으로 학습한 뒤에는 두 방식의 계획 생성 성공률이 비슷했지만, 확산 방식은 39~46% 더 빨랐습니다. 이번 연구는 장기 작업을 수행하는 에이전트의 효율성과 적응력을 높일 수 있는 방법을 제시합니다.
계획을 더 빠르고 안정적으로 복구하면 자율형 비서가 복잡한 작업을 중단 없이 마칠 가능성이 커집니다.
모델
Claude 기반 에이전트 3개로 구성된 새 검토 시스템이 핵심 주장 오류의 73.43%를 찾아냈다. 기존 최고 기록인 14.81%를 크게 웃도는 수치다.
모델
Mistral의 신규 1조 매개변수 모델은 독립 지수에서 38점을 기록했지만, 경쟁 오픈 모델보다 작업당 비용이 높다.
모델
OpenAI는 AI로 만든 콘텐츠를 실제 언론에 퍼뜨려 허위 보도를 심으려 한 영향력 공작 2건을 공개하고, 관련 계정을 차단했다.
Oossa · 뉴스레터
이번 주 AI, 쉽게 정리
매주 월요일, 알아둘 만한 소식을 쉬운 말로. 무료, 스팸 없음.
