AI 뉴스 검색

샤오미가 150위안짜리 AI 하드웨어를 출시해, 일반인들도 Vibe Coding을 손쉽게 활용할 수 있도록 했습니다.

일반인도 자연어를 사용해 직접 자신만의 AI 하드웨어를 만들 수 있습니다.

지하철 속 AI 허위 인간 광고가 집단적으로 인간을 괴롭히고 있다

오직 성의와 창의만은 결코 저버릴 수 없습니다. #아이판어 공식 위챗 공중호를 팔로우해 주시기 바랍니다: 아이판어(위챗 계정명: ifanr), 더 많은 흥미로운 콘텐츠를 가장 먼저 전해드립니다.

정상 상태 실행 원시체로서의 이동: 저궤도에서의 가상 정지 상태를 위한 런타임

arXiv:2610.32720v1 발표 유형: 신규 초록: 저궤도(LEO) 위성 메가컨스텔레이션은 지연 시간이 중요한 지구 중심 응용을 위한 궤도 기반 엣지 컴퓨팅을 가능하게 하지만, 위성의 운동으로 인해 시선 통신 창은 단 몇 분으로 압축된다. 논리적 지리적 근접성을 유지하기 위해 ‘가상 정지성(VS)’이라는 패러다임에 따라, 애플리케이션은 컨스텔레이션 내에서 지나가는 위성들 사이를 지속적으로 이동해야 한다. 전통적인 라이브 마이그레이션 메커니즘은 개별적으로 시작된 이동이나 복제는 최적화하지만, 궤도 운동이 요구하는 연속적인 호스트 간 핸드오프는 처리하지 못한다. 우리는 라이브 마이그레이션을 정상 상태 실행 모델로 재정립하고, 새로운 가상 정지성 런타임 패러다임을 도입한다. 또한 우리는 연속 마이그레이션의 실현 가능성을 공식화한다…

Bounding Queue Waits for Fair Scheduling of Bursty HPC Workloads via Hierarchical Algorithms

arXiv:2610.32027v1 Announce Type: new Abstract: HPC clusters are shared among many projects, each holding an allocation of node-hours, and ensuring fairness is becoming harder. Foundation models workflows and automated pipelines have made job submissions bursty and concentrated among a few heavy users, so occasional users absorb queueing delays created by frequent ones, with no indication of how long their jobs will wait. Existing schedulers either forget past usage, protect only the job at the head of the queue, or assume that running jobs can be preempted. We propose HyDRA, a Hybrid Deadline and Ranking-Aware scheduler that enforces fairness among users while bounding the queue wait of every job. HyDRA assigns each job a deadline on arrival based on its size, the priorities of its projec

CEMIR vs. FISER: a comparative study of reasoning-based and enrichment-based approaches to pragmatic intent recognition

arXiv:2610.32022v1 Announce Type: new Abstract: Intent recognition in human-robot interaction requires agents to resolve ambiguous natural language instructions by inferring the speaker's underlying goals. Research has increasingly focused on two notable paradigms for addressing this task: structured symbolic reasoning and multimodal input enrichment. However, it remains unclear whether enrichment-based methods provide benefit in settings where the ambiguity concerns unstated human intent rather than missing observable scene information. In this paper, we present a comparative and diagnostic study benchmarking FISER - a framework utilizing structured social and embodied reasoning - against CEMIR (Context-Enriched Multimodal Intent Recognition), a method that performs multimodal enrichment

Tradeoff-Aware Territory Design: A Multi-Objective Decision System for Enterprise Customer-to-Seller Allocation

arXiv:2610.31701v1 Announce Type: new Abstract: Enterprise customer journeys are shaped not only by product experiences and marketing, but also by recurring resource-allocation decisions. In B2B go-to-market (GTM) organizations, territory carving determines which accounts receive seller coverage, which seller-account relationships are preserved, and how limited field capacity is distributed. Yet the process often remains manual, making it difficult to compare opportunities, value continuity, and evaluate tradeoffs among growth, balance, capacity, and feasibility. We present a production decision system for tradeoff-aware customer-to-seller allocation in enterprise GTM planning. It integrates three components: a multidimensional account-value layer that combines predictive signals to score

Collaborative In-Context Learning for Indoor Radio Map Estimation

arXiv:2610.31702v1 Announce Type: new Abstract: Indoor radio map estimation (RME) is essential for wireless applications such as coverage planning, localization, and network deployment. However, most existing methods follow a supervised learning paradigm that requires costly labeled data and task-specific model training. Moreover, indoor environments involve privacy-sensitive information, such as building layouts and structures, that often cannot be centralized. To address these challenges, we make the first attempt to formulate indoor RME as a collaborative in-context learning (ICL) problem. We propose Poly-Ripple, a framework in which multiple clients perform ICL using large autoregressive vision models (LAVMs) without model updates. Each client is prompted by its private demonstrations

Patronizing and Condescending Language Detection in English and Mandarin

arXiv:2610.31808v1 Announce Type: new Abstract: Patronizing and condescending language (PCL) is a form of harmful language that belittles and assumes pity for vulnerable groups, reinforcing negative societal stereotypes. However, unlike overt hate speech, it is often difficult to detect, even for human judges. This paper proposes a system for the automated detection of PCL. Our first approach uses static word embeddings and a convolutional neural network for classification, while our second approach uses pre-trained BERT embeddings fine-tuned for the PCL task. Our second approach was considerably more successful, and achieved an F1 score of 0.528 over the development set.

Does LeWorldModel Preserve Local Action Geometry?

arXiv:2610.31716v1 Announce Type: new Abstract: We examine how closely pretrained LeWorldModel (LeWM) reproduces the effects of small action changes. Using matched simulator and model responses, we measure action sensitivity with Gram matrices at three perturbation scales. Across nearly a thousand states from Reacher and OGBench Cube, the most sensitive action directions differ by median angles of about $36^\circ$ and $42^\circ$, respectively, at the smallest scale. Increasing the perturbation tenfold reduces median normalized Gram discrepancy by roughly 70\% on Reacher and 47\% on Cube. Geometry measured in pixels and embeddings varies more across scales than the chosen physical-state geometry. On held-out directions, environment Grams achieve median embedding response errors of 17\% and

The Path to NDE 4.0: A Review of Algorithms, Techniques, and Strategies for Autonomous Inspection

arXiv:2610.31704v1 Announce Type: new Abstract: Non-Destructive Inspection (NDI) is a cornerstone of modern quality assurance, critical for ensuring the safety and reliability of infrastructure and manufactured components without causing damage. This paper presents a comprehensive review of the current NDI landscape, analyzing the field through four distinct lenses, namely, computational algorithms, physical techniques, industrial applications, and research objectives. We synthesize a broad range of academic literature to illustrate the rapid evolution from manual, analog interpretation to a digitized, data-centric paradigm known as NDE 4.0. Our analysis highlights the dominance of ultrasound and visual inspection as primary physical techniques, while revealing a significant shift toward d

금융 범죄 분석을 위한 적대적 강인성 다중 그래프 신경망으로의 전환

arXiv:2610.31718v1 발표 유형: 신규 초록: 금융 거래 네트워크는 자연스럽게 다중그래프로 표현되며, 동일한 계좌 쌍 간의 반복된 거래는 서로 다른 엣지로 모델링된다. 최근 제안된 다중그래프 신경망 아키텍처들은 이러한 구조를 명시적으로 활용하여 자금세탁방지(AML) 작업에서 뛰어난 성능을 달성한다. 그러나 탐지를 회피하기 위해 거래 구조를 조작하는 적대적 공격에 대한 이들의 내구성은 아직 거의 연구되지 않았다. 우리는 노드-엣지 인시던스 행렬을 이용한 다중그래프 신경망의 구조적 공격 및 적대적 학습을 위한 최초의 확장 가능한 프레임워크를 제시하며, 이러한 다중그래프 위에서 구조적 변동을 최적화하기 위해 투영된 경사하강법과 투영된 무작위 블록 좌표 하강법을 적용한다.

Autoregressive Multimodal Anomaly Detection with Large Language Models for Microservice Systems

arXiv:2610.31722v1 Announce Type: new Abstract: Microservice systems have become a dominant architecture for large-scale cloud applications, enabling rapid deployment and elastic scaling. However, ensuring the reliability and availability of microservice systems critically relies on effective anomaly detection, as failures and performance anomalies can quickly propagate across services and severely impact end-to-end system behavior. Existing multimodal anomaly detection approaches for microservice systems often struggle with two fundamental limitations: (i) the neglect of modality-specific characteristics in favor of cross-modality fusion, and (ii) the "identity-shortcut" problem that affects the feature reconstruction process. To address these issues, we propose LLMMAD, an autoregressive

엔비디아를 앞세워 애플에 정면으로 맞서는, 마이크로소프트의 고급 AI PC 승부

마이크로소프트는 NVIDIA RTX 스파크를 탑재한 서피스 랩톱 울트라로 로컬 AI 개발자와 고급 크리에이터를 공략하고 있다. 하드웨어는 대용량 통합 메모리, CUDA 및 RTX 그래픽 성능을 휴대형 기기에 도입했지만, 맥과의 지속적인 경쟁을 이끌어낼 수 있을지는 여전히 애플리케이션 호환성, 인공지능 에이전트 경험, 실제 워크플로우에 달려 있다.

추천 이유：이 경쟁이 궁극적으로 답해야 할 질문은, 로컬 AI가 창작과 개발의 효율성을 실질적으로 향상시킬 수 있는지와, 이를 위해 사용자가 부담하는 하드웨어·소프트웨어 및 이전 비용이 과연 그만한 가치가 있는지 여부입니다. 하드웨어는 새로운 가능성을 제공하지만, 이러한 가능성이 얼마나 많은 사용자에게까지 확장될 수 있는지는 생태계와 실제 사용 경험에 달려 있습니다.

PHP ‘멜트다운’ 사건은 AI가 기존 취약점의 위협을 어떻게 증폭시키는지 보여줍니다

보안 연구원들은 AI 도구를 활용해 수년간 존재해 왔으며 과거에는 악용이 어렵다고 여겨졌던 PHP 취약점(통칭 PHP2Shell)을 실제 공격 대상으로 전환했습니다. 해당 취약점이 공개된 지 불과 몇 시간 만에 수백만 건의 악용 시도가 발생했지만, 현재까지 성공적인 침입 사례는 보고되지 않았습니다.

추천 이유：이 사건은 AI가 새로운 취약점을 무작위로 창출하는 것이 아니라, 기존 취약점의 악용 문턱을 현저히 낮춘다는 점을 처음으로 명확히 보여주며, 공격과 방어 양쪽에서 기존 보안 환경의 변화를 가속화하는 AI의 이중적 역할을 부각합니다. 또한 모든 유의미한 발견은 인간과 기계 간의 협업에 의존합니다.

메타는 법원으로부터 AI 학습에 사용된 해적판 다운로드를 승인한 임원 명단을 공개하라는 명령을 받았다.

Meta를 상대로 제기된 여러 건의 AI 학습 관련 저작권 소송에서 법원은 Meta가 Anna’s Archive, LibGen 등과 같은 그림자 도서관에서 불법 복제 도서를 다운로드한 책임을 인정한 임원들을 명확히 지목해야 한다고 판결했다. 앞서 Meta는 책임을 일선 직원들에게 전가하며, 초기 AI 데이터 수집 과정이 ‘비공식적 절차’에 해당하고 다운로드 행위에 대해 ‘공식적인 의사결정’이 내려지지 않았다고 주장해 왔다.

Meta Muse의 공유 기능에 개인정보 보호 취약점이 존재합니다: 생성된 대화 링크가 쉽게 열거되어 개인 및 상업 기밀이 유출될 수 있습니다.

보안업체 클라록은 메타가 새롭게 출시한 AI 에이전트 뮤즈가 대화 공유 기능을 활성화할 경우 생성되는 URL에 충분한 난수성이 부족해, 공격자가 단순한 열거 방식으로 6,800개의 사용자 공유 링크를 획득할 수 있다고 밝혔다. 이 가운데 수백 개의 링크는 비공개된 개인 및 상업 관련 민감 정보를 노출했다. 메타는 해당 공유 기능을 일시 중지하고 내부 검토를 진행 중이다.

Open and Emergent Problems in Agentic Privacy and Security: A Contextual Angle

Generative AI