HACRL — heterogeneous agent들의 협력 강화학습

2026년 03월 08일 · #AI #LLM #트렌드 #기술블로그

arXiv 논문

모델/아키텍처 추론/검색 에이전트

이종 에이전트들이 서로 협력하여 학습 효율을 높이는 HACRL이라는 새로운 강화학습 프레임워크를 제안합니다. 학습 중에는 데이터를 공유해 성능을 개선하고, 실제 추론 시에는 각자 독립적으로 작동하여 LLM 기반 방식보다 효율적입니다.

단일 H100 GPU에서 초당 19.5 프레임의 속도로 긴 영상을 생성하는 14B 모델 Helios를 소개합니다. 복잡한 기술 없이도 실시간 생성이 가능하며, 영상이 길어져도 품질이 떨어지는 드리프팅 문제를 획기적으로 해결했습니다.

모델/아키텍처 개발 도구

인간이 복잡한 글을 읽을 때 구조를 파악하는 방식에 착안한 Structure of Thought (SoT) 프롬프팅 기법입니다. 모델이 텍스트의 중간 구조를 먼저 생성하도록 유도하여 추론 및 처리 성능을 크게 향상시켰습니다.

모델/아키텍처 추론/검색

과학적 발견을 위한 LLM 학습의 복잡성 문제를 해결하기 위해 MOOSE-Star라는 새로운 방법을 제안합니다. 방대한 지식에서 가설을 도출하는 과정을 효율적으로 모델링하여 기존에는 계산이 불가능했던 학습을 가능하게 만들었습니다.

추론/검색 에이전트 개발 도구

AI 에이전트가 습득한 기술을 체계적으로 축적하고 공유할 수 있는 SkillNet 인프라를 소개합니다. 에이전트들이 매번 해결책을 처음부터 다시 찾는 비효율을 없애고, 검증된 스킬을 재사용하여 장기적인 발전을 돕습니다.

로봇 제어용 AI를 임베디드 플랫폼에 탑재하기 위한 데이터 수집부터 VLA 모델 파인튜닝, 기기 내 최적화 방법까지 포괄적인 가이드를 제공합니다.

Hugging Face

Diffusion 파이프라인을 마치 블록처럼 조립할 수 있게 만드는 모듈형 설계 방식을 소개합니다. 사용자가 필요한 기능을 유연하게 구성하여 더 효율적인 이미지 생성 워크플로우를 구축할 수 있습니다.

Hugging Face

단 24시간 만에 텍스트-이미지 변환 모델을 처음부터 학습시키는 구체적인 방법과 과정을 공유합니다. 빠른 프로토타이핑과 효율적인 학습 전략을 엿볼 수 있습니다.

Hugging Face

OpenAI Codex 모델이 활용할 수 있는 다양한 프로그래밍 스킬들을 모아둔 카탈로그 저장소입니다. 코딩 작업을 위한 구체적인 예시와 기능 정의를 확인할 수 있습니다.

에이전트

프론트엔드 개발부터 커뮤니티 관리까지, 각 분야에 특화된 AI 에이전트들로 구성된 가상 에이전시 프로젝트입니다. 각 에이전트가 고유한 성격과 프로세스를 가지고 있어 실제 팀처럼 협업할 수 있습니다.

모델/아키텍처

Google Cloud와 Vertex AI 환경에서 생성형 AI를 활용하기 위한 공식 예제 코드와 노트북 모음입니다. 최신 Gemini 모델을 활용한 다양한 애플리케이션 구축 방법을 배울 수 있습니다.

추론/검색 에이전트

Qwen 모델을 기반으로 한 강력한 에이전트 프레임워크로, Function Calling이나 RAG 같은 고급 기능을 지원합니다. 코드 인터프리터와 크롬 확장 프로그램 기능도 포함되어 실용적인 AI 애플리케이션 개발에 유용합니다.

여러 AI 에이전트들이 팀을 이루어 투자 결정을 내리는 AI 헤지펀드 프로젝트입니다. 시장 분석부터 트레이딩 전략 수립까지 AI가 자율적으로 수행하는 실험적인 시도를 보여줍니다.

LLM Inference Agent Reasoning Prompt RAG AI Agent Eval Gemini