무신사 풀필먼트, Jenkins에서 Temporal로 갈아탄 이유
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
ERNIE 5.0 Technical Report
ERNIE 5.0은 텍스트, 이미지, 비디오, 오디오를 아우르는 통합 멀티모달 이해 및 생성을 위해 설계된 모델입니다. 초희소(ultra-sparse) Mixture-of-Experts(MoE) 아키텍처를 기반으로 모든 모달리티를 처음부터 통합 학습하여 효율성을 극대화했습니다.
FASA: Frequency-aware Sparse Attention
긴 입력을 처리할 때 발생하는 LLM의 메모리 병목 현상을 해결하기 위해 KV 캐시를 효율적으로 관리하는 FASA를 제안합니다. 토큰의 빈도(Frequency)를 고려한 희소 어텐션 기법을 사용하여 중요 정보를 유지하면서도 메모리 사용량을 획기적으로 줄였습니다.
WideSeek-R1: Exploring Width Scaling for Broad Information Seeking via Multi-Agent Reinforcement Learning
기존의 단일 에이전트 심층 추론(Depth Scaling)을 넘어, 다중 에이전트 시스템을 활용한 ‘너비 확장(Width Scaling)’을 탐구합니다. 이를 통해 광범위한 정보 탐색 작업에서 에이전트 간의 협업과 조직 능력을 강화하는 새로운 방향을 제시합니다.
Training Data Efficiency in Multimodal Process Reward Models
MLLM의 시각적 추론 능력을 높이는 데 필요한 다중 모달 프로세스 보상 모델(MPRM)의 훈련 데이터 효율성을 분석한 논문입니다. 기존 데이터셋에 중복이 많다는 점을 발견하고, 적은 데이터로도 효율적으로 학습할 수 있는 가능성을 입증했습니다.
OmniSIFT: Modality-Asymmetric Token Compression for Efficient Omni-modal Large Language Models
오디오와 비디오를 이해하는 Omni-LLM의 긴 토큰 시퀀스로 인한 연산 부하 문제를 해결하기 위해 OmniSIFT 압축 프레임워크를 제안합니다. 모달리티별 비대칭 토큰 압축 방식을 적용하여 성능 저하 없이 모델의 효율성을 크게 개선했습니다.
Hugging Face Blog
Introducing SyGra Studio
Hugging Face에 새롭게 소개된 SyGra Studio에 대한 내용을 다룹니다. 구체적인 내용은 본문을 통해 확인해야 하지만, 이름에서 유추할 수 있듯이 그래프 데이터나 합성 데이터(Synthetic Data) 관련 도구로 보입니다.
Hugging Face
Nemotron ColEmbed V2: Raising the Bar for Multimodal Retrieval with ViDoRe V3’s Top Model
NVIDIA의 Nemotron 모델을 기반으로 멀티모달 검색 성능을 한층 높인 ColEmbed V2를 소개합니다. ViDoRe V3 벤치마크에서 최고 수준의 성능을 기록하며, 검색 시스템의 기준을 새롭게 정립했습니다.
Hugging Face
Community Evals: Because we're done trusting black-box leaderboards over the community
불투명한 ‘블랙박스’ 형태의 리더보드 대신 커뮤니티 주도의 투명한 평가 방식을 제안하는 글입니다. 사용자들이 직접 참여하여 모델을 검증하고, 더욱 신뢰할 수 있는 AI 평가 생태계를 구축하자는 메시지를 담고 있습니다.
Hugging Face
무신사 기술블로그
“스케줄이 또 안 돌았어요” — 우리가 Temporal을 선택한 이유
무신사 풀필먼트 시스템에서 Jenkins 기반의 스케줄링 불안정성을 해결하기 위해 Temporal을 도입한 기술 경험기입니다. 출고 지시 누락과 같은 운영 이슈를 해결하고, 워크플로우의 신뢰성을 높인 과정을 상세히 공유합니다.
jaemin shim
GitHub Trending
bytedance/UI-TARS-desktop
최신 AI 모델과 에이전트 인프라를 연결하는 오픈소스 멀티모달 AI Agent 스택입니다. 데스크톱 환경을 제어하는 UI 자동화 기능을 포함하여, 다양한 멀티모달 작업을 수행할 수 있는 강력한 도구입니다.
openai/skills
OpenAI Codex가 코드를 생성하고 작업을 수행할 때 활용할 수 있는 기술(Skills) 목록을 모아둔 카탈로그입니다. Codex의 활용 범위를 넓히고 특정 프로그래밍 작업에 대한 적응력을 높이는 데 유용한 리소스입니다.
thedotmack/claude-mem
Claude를 사용한 코딩 세션의 모든 내용을 자동으로 캡처하고 AI로 압축하여 기억하는 플러그인입니다. 향후 작업 시 이전 맥락을 자동으로 주입해주어, 개발자가 연속성 있게 코딩할 수 있도록 돕습니다.
topoteretes/cognee
단 6줄의 코드로 AI 에이전트에게 장기 기억(Memory) 능력을 부여할 수 있는 라이브러리입니다. 에이전트가 과거의 상호작용과 데이터를 효율적으로 저장하고 불러올 수 있게 하여 더욱 똑똑한 대화를 가능하게 합니다.
aquasecurity/trivy
컨테이너, Kubernetes, 코드 저장소, 클라우드 환경 등 다양한 인프라의 보안 취약점을 찾아주는 올인원 스캐너입니다. 잘못된 설정이나 노출된 비밀(Secret) 정보, SBOM 등을 탐지하여 보안 위협을 사전에 예방합니다.
AI Weekly
AI News Weekly - Issue #464: 5 reasons will will not get AGI soon - Feb 5th 2026
현재의 LLM 기반 모델이 AGI(일반 인공지능)에 도달하기 어려운 5가지 이유와 ‘Scaling Law’의 한계를 분석한 뉴스레터입니다. 단순히 모델 크기를 키우는 것만으로는 해결되지 않는 기술적 장벽과 최근 시장의 흐름을 다룹니다.
오늘의 키워드
Multimodal LLM RAG Tool Use Agent Retrieval Eval AI Agent Claude Claude Code