pentagi, 모의해킹을 끝까지 수행하는 자율 AI 에이전트
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
SLA2: Sparse-Linear Attention with Learnable Routing and QAT
기존 SLA 모델의 수학적 불일치 문제를 해결하기 위해 학습 가능한 라우팅(Learnable Routing)을 도입한 SLA2를 제안한 논문이에요. 이를 통해 Diffusion 모델의 영상 생성 성능을 높이면서도 계산 효율성을 크게 개선했답니다.
AutoWebWorld: Synthesizing Infinite Verifiable Web Environments via Finite State Machines
실제 웹 데이터 수집의 어려움을 해결하기 위해, 유한 상태 기계(Finite State Machine)를 이용해 검증 가능한 웹 환경을 합성하는 AutoWebWorld 프레임워크입니다. 자율 에이전트가 더 저렴하고 정확하게 학습할 수 있도록 고품질의 데이터를 생성해 줘요.
SpargeAttention2: Trainable Sparse Attention via Hybrid Top-k+Top-p Masking and Distillation Fine-Tuning
Diffusion 모델 가속을 위해 Top-k와 Top-p 마스킹을 결합하고 Distillation 파인튜닝을 적용한 SpargeAttention2를 소개합니다. 훈련 가능한 Sparse Attention이 왜 훈련이 필요 없는 방식보다 더 높은 희소성(Sparsity)과 품질을 달성할 수 있는지 분석했어요.
RynnBrain: Open Embodied Foundation Models
로봇과 같은 Embodied AI를 위해 인식, 추론, 계획 능력을 통합한 오픈소스 시공간 파운데이션 모델 RynnBrain입니다. 물리적 세계의 시공간 역학을 이해하고 다양한 실제 환경에서 자율적으로 작동할 수 있도록 설계되었어요.
Mobile-Agent-v3.5: Multi-platform Fundamental GUI Agents
데스크톱, 모바일, 웹 등 다양한 플랫폼을 지원하는 강력한 GUI 에이전트 모델인 GUI-Owl-1.5를 소개하는 논문이에요. 2B부터 235B까지 다양한 크기를 제공하며, OSWorld 같은 주요 벤치마크에서 최고 수준의 성능(SOTA)을 달성했답니다.
Hugging Face Blog
GGML and llama.cpp join HF to ensure the long-term progress of Local AI
로컬 환경에서 LLM을 구동하는 핵심 기술인 GGML과 llama.cpp 팀이 Hugging Face에 합류했다는 소식이에요. 앞으로 로컬 AI 기술의 장기적인 발전과 오픈소스 생태계 확장에 큰 도움이 될 것으로 보여요.
Hugging Face
Train AI models with Unsloth and Hugging Face Jobs for FREE
AI 모델 학습 속도를 획기적으로 높여주는 Unsloth를 이제 Hugging Face Jobs에서 무료로 사용할 수 있게 되었어요. 비용 부담 없이 빠르고 효율적으로 나만의 모델을 미세조정(Fine-tuning) 해볼 수 있는 좋은 기회랍니다.
Hugging Face
「データ不足」の壁を越える：合成ペルソナが日本のAI開発を加速
데이터 부족 문제를 해결하기 위해 합성 페르소나(Synthetic Persona) 데이터를 활용하여 일본의 AI 개발을 가속화하는 방법을 다룹니다. 양질의 합성 데이터를 통해 AI 모델의 성능을 높이고 다양한 사용자 시나리오에 대응할 수 있게 도와줘요.
Hugging Face
GitHub Trending
vxcontrol/pentagi
복잡한 모의 해킹(Penetration Testing) 작업을 수행할 수 있는 완전 자율 AI 에이전트 시스템입니다. 보안 취약점을 자동으로 점검하고 분석해주어 보안 전문가들의 업무를 효율적으로 도와줄 수 있는 도구예요.
abhigyanpatwari/GitNexus
서버 없이 브라우저에서 바로 실행되는 코드 분석 엔진으로, GitHub 리포지토리를 시각적인 지식 그래프로 변환해줍니다. 내장된 Graph RAG 에이전트를 통해 코드를 대화하듯 쉽고 깊이 있게 탐색할 수 있어요.
anthropics/claude-code
터미널에서 직접 실행되어 코드베이스를 이해하고 코딩 작업을 도와주는 AI 에이전트 도구입니다. 자연어 명령만으로 복잡한 코드를 설명받거나 Git 워크플로우를 처리하는 등 개발 생산성을 크게 높여준답니다.
ggml-org/ggml
머신러닝을 위한 텐서 라이브러리로, 특히 일반 소비자용 하드웨어에서 거대 모델을 효율적으로 실행할 수 있게 해줍니다. llama.cpp 등 다양한 로컬 AI 프로젝트의 기반이 되는 핵심 기술이에요.
HandsOnLLM/Hands-On-Large-Language-Models
오라일리(O’Reilly)의 ‘Hands-On Large Language Models’ 책에서 다루는 실습 코드를 담은 공식 저장소입니다. LLM의 기본 개념부터 실제 구현까지 직접 코드를 실행하며 체계적으로 학습할 수 있어요.
오늘의 키워드
Agent Eval Fine-tuning Multimodal Grounding Benchmark Llama AI Agent LoRA RAG