스케일링법칙
LLM 창발 능력의 비밀, 모델 크기가 아닌 훈련 역학에 있었다
대형 LLM이 소형 모델은 배우지 못하는 희귀 태스크를 학습하는 이유를 훈련 역학으로 규명한 Anthropic·Stanford 연구. “업데이트-망각 루프”와 그래디언트 간섭 메커니즘을 소개합니다.
Written by
Sakana AI, AI 스스로 코드 고쳐 성능 높이는 RSI 연구소 정식 출범
Sakana AI가 AI 스스로 코드를 수정해 성능을 높이는 재귀적 자기개선(RSI) 전문 연구소를 출범했습니다. 컴퓨팅 군비경쟁의 대안이 될 수 있을지 주목됩니다.
Written by
OpenAI, 18개월 내 돈 떨어진다는 예측이 나온 이유
OpenAI가 18개월 내 자금 고갈될 것이라는 예측. 생성형 AI 기업들이 직면한 자본 집약적 구조와 수익화 실패 문제를 분석합니다.
Written by
2026년 AI 에이전트가 드디어 ‘진짜 일’을 시작합니다
2026년 AI 에이전트가 데모를 벗어나 실제 업무를 실행하기 시작합니다. 스케일링 종말, MCP 표준화, 새로운 보안 위협까지 7가지 결정적 변화를 소개합니다.
Written by
복권 티켓 가설: ChatGPT가 성공한 진짜 이유
300년간 지배해온 기계학습 이론을 뒤엎고 ChatGPT 같은 대규모 AI 모델의 성공을 설명하는 복권 티켓 가설의 발견과 그 의미를 탐구합니다.
Written by
