본문으로 건너뛰기
AI NEWS JOURNAL
AI, IN PERSPECTIVE

AI 뉴스 검색

제목, 요약, 본문을 검색해 흩어진 정보를 연결하세요.

발행 시간순

AI 게이트웨이에서 Decision-1.1을 이제 사용할 수 있습니다

Microsoft의 의사결정 모델 개선 버전인 Decision-1.1이 AI 게이트웨이에서 제공되며, 정확도가 향상되고 보정이 더 잘 되며 성능이 빨라졌습니다. 이 모델은 지원 요청 라우팅, 모델 선택, 워크플로 단계 또는 AI 응답 채점과 같은 작업을 위해 불리언 확률, 신뢰 점수가 포함된 선택 항목, 숫자 등급 등 구조화된 출력을 제공합니다. 하나의 요청으로 여러 질문을 처리할 수 있으며, 임계값 기반 동작을 가능하게 하기 위해 모델이 일관된 확률 추적을 유지합니다. Decision-1과 동일한 요청 형식을 사용하지만 모델 ID를 'microsoft/decision-1.1'로 업데이트해야 합니다. AI SDK, OpenAI 호환 Decisions API 또는 AI CLI를 통해 접근할 수 있으며, 로깅, 예산 추적 및 폴백 메커니즘을 지원합니다. 통합을 위한 문서와 예제가 제공됩니다.

프리뷰 빌드에서 풀 리퀘스트 전용 사전 설정을 사용할 수 있습니다

Vercel의 새로운 '무시된 빌드 단계' 사전 설정을 사용하면, 열려 있는 풀 리퀘스트가 없는 브랜치에 대해서는 프리뷰 빌드를 건너뛸 수 있으며, 열려 있는 풀 리퀘스트가 있는 브랜치에 대해서는 프로덕션 배포와 프리뷰를 계속 유지할 수 있습니다. 건너뛴 프리뷰 배포는 GitHub 및 GitLab 프로젝트에서 빌드 CPU 분을 소비하기 전에 취소됩니다. 사용자는 '배포 > 구성'에서 '무시된 빌드 단계' 동작 메뉴 아래의 '풀 리퀘스트에 대해서만 프리뷰 빌드' 옵션을 선택하여 이 기능을 활성화할 수 있습니다.

Show HN: 스킬셋: 에이전트 스킬 컬렉션을 손쉽게 큐레이션하고 설치하세요

안녕하세요 여러분! ~/.agents 또는 ~/.claude에 글로벌하게 스킬을 설치하면 컨텍스트를 너무 많이 소모하지만, 모든 프로젝트마다 특정 스킬을 수동으로 설치하는 것은 번거롭습니다. 프로그래밍, 백엔드 아키텍처 또는 그래픽 디자인 관련 스킬들을 컬렉션으로 묶어 두었다가 필요할 때만 단 한 줄의 명령어로 설치할 수 있다면 더 좋지 않을까요? 이를 해결하기 위해 저는 Skillset을 만들었습니다. 이는 Vercel Skill CLI를 래핑한 도구로, 하나의 JSON 파일을 사용해 여러 소스에서 스킬 세트를 일괄적으로 설치합니다. 말 그대로 스킬용 npm과도 같습니다! 비슷한 도구들이 존재하지만 대부분 처음부터 새로 개발된 경우가 많아 호환성에 대한 우려가 있습니다. Vercel의 Skill CLI는 이미 사실상 표준(제 생각에는요!)이므로, Skillset은 이를 기본 라이브러리로 직접 활용합니다. 따라서 팀이 Skillset을 사용하든 표준 Vercel CLI를 사용하든 관계없이 원활한 호환성을 보장합니다. 댓글 URL: https://news.ycombinator.com/item?id=50511761 포인트: 3 # 댓글: 0

Show HN: 화면을 깨워 두세요

기사 URL: https://screenon.app/ 댓글 URL: https://news.ycombinator.com/item?id=50506253 포인트: 1 # 댓글: 0

GitHub Copilot 앱의 GitHub Enterprise Server 지원

이제 GitHub Enterprise Server(GHES)에서의 작업을 GitHub Copilot 앱으로 가져올 수 있습니다. GHES 계정을 추가하여 원격 저장소, 이슈 및 풀 리퀘스트와 함께 작업하세요. 이… 글 GitHub Copilot 앱의 GitHub Enterprise Server 지원은 The GitHub Blog에 처음 게시되었습니다.

n8n@1.123.96

n8n 1.123.96 업데이트는 밝은 테마에서 JSON 강조 색상이 보이지 않던 버그를 수정하고 @modelcontextprotocol/sdk을 업데이트했습니다.

n8n@2.47.6

n8n 2.47.6 업데이트에는 Redis 캐시 처리, 프롬프트 캐싱, 레거시 데이터 읽기, JSON 강조 표시 및 Pinecone Vector Store 통합에 대한 버그 수정이 포함되어 있습니다. 새로운 기능으로는 게이트웨이 크레딧 프로모션이 편집기에 표시될 수 있게 되었습니다. 성능 개선은 런타임 번들 크기 축소와 표현식 평가 최적화에 중점을 두고 있습니다.

n8n@2.48.3

n8n 2.48.3 업데이트는 Redis 캐싱, 프롬프트 캐싱, 레거시 데이터 처리 및 UI 가시성과 관련된 여러 버그를 해결하고, 편집기에서 Gateway 크레딧 프로모션을 표시하는 새로운 기능을 도입하며, 문자 맵 포함을 최적화하고 표현식 런타임의 항목별 설정을 줄여 성능을 향상시킵니다.

n8n@2.47.5

n8n 2.47.5 업데이트는 공용 API를 통해 읽기 전용 자격 증명 노드를 편집할 수 있게 하던 버그를 해결하고, 편집기에서 애니메이션 처리된 노드 테두리의 정렬 문제를 수정합니다.

n8n@2.48.2

n8n 2.48.2 업데이트는 공용 API를 통해 읽기 전용 자격 증명 노드에 대한 편집을 거부하는 문제, 편집기에서 애니메이션 노드 테두리 모서리를 정렬하는 문제, 그리고 새 초안에 대해 에이전트 탭에 계속 접근할 수 있도록 하는 문제를 포함한 여러 버그를 해결합니다.

n8n@1.123.94

n8n 버전 1.123.94의 버그 수정으로 트리거가 재활성화된 직후 실패할 경우 재시도 백오프 설정이 유지되어 워크플로 실행의 신뢰성이 향상됩니다.

n8n@2.48.1

n8n 2.48.1 업데이트는 내장 교체 후 표현식 전송 문제, 표현식 엔진 간 베어 노드 참조 일치, 이미지 편집 노드의 글꼴 등록 최적화, 그리고 편집기에서 마이그레이션 보고서의 알림 대상 열 너비 확대를 포함한 여러 버그를 해결합니다.

SetPrint: 응답 변화의 집합적 대응을 통한 블랙박스 LLM 지문 추적

arXiv:2611.12950v1 발표 유형: 신규 초록: 블랙박스 LLM 지문 분석은 입력 쿼리에 대한 출력 응답만 관찰 가능한 상황에서 대상 모델이 소스 모델로부터 파생되었는지 여부를 판단하는 것을 목표로 합니다. 이러한 관계를 밝혀내는 한 가지 방법은 각 쿼리를 변형하고 두 모델의 결과 응답을 관찰하여 두 개의 상응하는 응답 변동 집합을 생성하는 것입니다. 이들 집합은 두 가지 상호 보완적인 정보원을 제공합니다: 각 집합 내 응답 변화 간의 관계와 두 집합 간 응답 변화의 대응성입니다. 그러나 기존 접근법들은 이 두 가지를 완전히 활용하지 못했습니다. 우리는 \textbf{SetPrint}을 제안하며, 이는 집합 내 관계와 집합 간 대응성을 동시에 포착하는 학습 불필요 방법입니다. SetPrint은 각 응답 변화를 해당 집합의 평균 변화에 대해 상대적으로 표현한 다음, 동일한 변형으로 유도된 두 모델의 변화를 비교합니다. LeaFBench에서 SetPrint은 기존의 학습 불필요 블랙박스 지문 분석 방법들을 일관되게 능가합니다. 추가 분석에 따르면 이러한 성과는 집합 내 관계와 집합 간 대응성 모두에 기인합니다.

n8n@1.123.93

n8n 1.123.93 업데이트는 대기 및 대기열 실행에 대한 재시도 횟수를 제한하여 핵심 시스템의 버그를 해결하고 안정성을 높이며 잠재적인 무한 재시도 루프를 방지합니다.

n8n@2.46.7

n8n 2.46.7 업데이트는 코어 시스템 내 대기 및 대기 중인 실행에 대한 과도한 재시작 시도와 관련된 버그를 해결하여 안정성과 신뢰성을 향상시킵니다.