공대생 도전 일지

https://arxiv.org/abs/2305.10142 Improving Language Model Negotiation with Self-Play and In-Context Learning from AI FeedbackWe study whether multiple large language models (LLMs) can autonomously improve each other in a negotiation game by playing, reflecting, and criticizing. We are interested in this question because if LLMs were able to improve each other, it would imply thearxiv.org 음 여기선 이..

https://arxiv.org/abs/2308.08155 AutoGen: Enabling Next-Gen LLM Applications via Multi-Agent ConversationAutoGen is an open-source framework that allows developers to build LLM applications via multiple agents that can converse with each other to accomplish tasks. AutoGen agents are customizable, conversable, and can operate in various modes that employ combiarxiv.org 이건 아래 논문과 엄청 비슷한 느낌이네요2024...

https://arxiv.org/abs/1706.05125 Deal or No Deal? End-to-End Learning for Negotiation DialoguesMuch of human dialogue occurs in semi-cooperative settings, where agents with different goals attempt to agree on common decisions. Negotiations require complex communication and reasoning skills, but success is easy to measure, making this an interestingarxiv.org 아직 Transformer 구조도 없어 RNN기반의 GRU 모델을 통..

https://arxiv.org/abs/2412.04139 Monet: Mixture of Monosemantic Experts for TransformersUnderstanding the internal computations of large language models (LLMs) is crucial for aligning them with human values and preventing undesirable behaviors like toxic content generation. However, mechanistic interpretability is hindered by polysemanticityarxiv.org 처음에는 단순 MOE에 SAE를 붙인 줄 알았는데 MOE를 최대한 발전시켜 추가 ..

https://papers.ssrn.com/sol3/papers.cfm?abstract_id=4828339 The Advent of the AI Negotiator: Negotiation Dynamics in the Age of Smart AlgorithmsThe Advent of the AI Negotiator: Negotiation Dynamics in the Age of Smart Algorithms 26 Pages Posted: 15 May 2024 Date Written: May 15, 2024 Abstract Artificial Intelligence (AI) applications are increasingly used in negotiations. In this essay, I invest..

https://www.nber.org/papers/w32685 Demand for Artificial Intelligence in Settlement NegotiationsJoshua Gans has drawn on the findings of his research for both compensated speaking engagements and consulting engagements. He has written the books Prediction Machines, Power & Prediction, and Innovation + Equality on the economics of AI for which he recewww.nber.org엥 제가 생각했던 논문이랑은 좀 다른 방향의 논문이었네요협상 ..

https://www.nature.com/articles/s41467-022-34473-5 저는 자연어를 통한 협상을 기대했드만 그냥 강화학습 이네요제한된 액션 공간에서 Agent끼리 서로 협상하고, 협상 내용에 대해 자신에게 가장 유리한 결과를 가져오는 협상을 진행하는 그런 내용이었습니다.학습은 강화학습을 통해 진행되었고요 그래도 협약을 깰 수 있는 존재를 만들어 보고, 그런 존재가 계속 이기다보니 새로운 역할을 하는 존재가 등장하며 협약을 깰 수 있는 존재가 결과적으로 이긴다고 해도, 대부분의 협약을 지키면서 게임을 진행하는 것이 인상적이긴 하네요  논문 제목Negotiation and Honesty in Artificial Intelligence Methods for the Board Game of..

공부하면 공부할수록 왜 기계과를 하다가 코딩으로 넘어갔는지, 인공지능으로 넘어갔는지 잘 알것 같아요...이번 시험만 끝나면 기계과랑은 안녕이니 이번까지만 파이팅.................. 결국 이동거리 구해서 T2만 잘 구하면 답을 구해낼 수 있습니다.  에너지 보존 법칙!    이젠 범위를 살짝 넘어간 것 같아서나중에 한번 싹 정리하면서 다시 봐야할 것 같네요...제 머리로는 이제 이해가 슬슬 가지 않길 시작...    외부의 충격량엔 선형과 회전 모두가 있다!각 운동량, 각충격량, 선형 운동량, 선형 충격량 모두 신경써야 한다.

외우자뭔가 이해가 안된다면 그냥 일단 외우기라도 하자....더 이상 물리를 할 건 아니니까...   봉이 고정되어있고, 힘과 각속도 모두 주어졌네요여기선 x,y로 나누기보다는 norm과 tangential로 나눴다. o1한테 풀어보라고 시켰는데 잘 푸네요먼저 용어 정리를 하겠습니다. 여기서 O_t는 O점(핀)에서 원판을 잡아주는 ‘탄젠셜(tangential)’ 방향의 반력입니다. 즉, 원판의 질량중심 G의 운동 방향을 기준으로, 접선방향(tangential direction)에 작용하는 힘입니다. 이 문제에서 탄젠셜 방향이란 G가 회전하려고 할 때, 그 순간 G가 움직이려고 하는 방향(원판 둘레를 따라가는 방향, 아래쪽)으로 본 것입니다.질문하신 핵심은 다음과 같습니다:"축 O는 움직이지 않는데, 왜 거..

이제 특정 지점에 고정이 되거나, 고정 없이 움직이기, 그 봉 위에서도 상대적으로 움직이는 것 모두 해결했습니다. 회전이 들어가면 관성 Moment를 신경써야 한다!I = Mass Moment of Inertia = 관성 모멘트!Fr = mar = M = I alphaalpha = a / r mar = I * a / r  => I = m r^2Rigid, 부피, 회전 => 자세, 위치가 중요함 여기선 속이 빈 원통이다.  여기는 속이 찬 원뿔형태이다.    이거 외우는게 답인가 싶습니다.... 결국 이러한 연산 때문에 막대기의 중앙에서 끝으로 옮기면 1/12 * M L^2 에 (L/2)^2 M이 더해져서 1/3 M L^2이 된다. 큰 원에서 작은 원을 빼면 완성이다. 각각의 무게 중심을 통해 전체 무게 ..