AI Tech - 2026-05-26
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
TransitLM: A Large-Scale Dataset and Benchmark for Map-Free Transit Route Generation
기존 대중교통 경로 탐색은 복잡한 지도 인프라에 의존했지만, 이를 극복하기 위한 새로운 데이터셋이 등장했습니다. TransitLM은 중국 4개 도시의 1300만 건 이상의 방대한 경로 탐색 기록을 담고 있어, LLM이 지도 없이도 대중교통 경로를 생성하도록 훈련시키는 것을 목표로 합니다.
SkillOpt: Executive Strategy for Self-Evolving Agent Skills
기존 AI 에이전트의 스킬은 수동으로 제작되거나 비체계적으로 발전하여 성능 향상을 보장하기 어려웠습니다. SkillOpt는 에이전트의 스킬을 마치 딥러닝 모델의 가중치처럼 체계적으로 최적화하는 새로운 전략을 제안하여, 피드백을 통해 안정적으로 스킬을 향상시킬 수 있는 길을 열었습니다.
Rethinking Cross-Layer Information Routing in Diffusion Transformers
최신 이미지 생성 모델의 근간이 되는 Diffusion Transformer(DiT)는 대부분의 구성 요소가 개선되었지만, 레이어 간 정보 흐름 방식은 기존 트랜스포머 구조를 그대로 사용해왔습니다. 이 연구는 DiT의 레이어 간 정보 흐름을 체계적으로 분석하여 기존 방식의 비효율성을 밝히고, 정보 라우팅을 개선하여 모델 성능을 향상시키는 새로운 접근법을 제시합니다.
Lens: Rethinking Training Efficiency for Foundational Text-to-Image Models
텍스트-이미지 생성 모델의 훈련 효율을 재고하는 Lens는 38억 개의 파라미터를 가진 비교적 작은 크기에도 불구하고, 60억 개 이상의 파라미터를 가진 최신 모델들과 대등하거나 더 뛰어난 성능을 보여줍니다. 이러한 높은 훈련 효율은 모델 크기를 줄인 것 외에도, 각 훈련 배치당 데이터의 정보 밀도를 극대화하는 핵심 전략 덕분입니다.
Full Attention Strikes Back: Transferring Full Attention into Sparse within Hundred Training Steps
긴 컨텍스트를 처리할 때 LLM의 풀 어텐션(full attention)은 비용이 많이 들지만, 이 연구는 풀 어텐션 모델이 이미 내재적으로 희소(sparse)하다는 점을 발견했습니다. 이를 바탕으로 단 몇 백 번의 훈련 단계만으로 풀 어텐션 모델을 매우 효율적인 희소 모델로 전환할 수 있음을 보여주며, 기존 효율화 방법들의 단점을 극복하는 새로운 가능성을 제시합니다.
Hugging Face Blog
SkillOpt: Executive Strategy for Self-Evolving Agent Skills
현재 에이전트 스킬은 체계적인 최적화 과정 없이 수작업이나 일회성 생성에 의존하여 성능 향상을 보장하기 어렵습니다. SkillOpt는 이러한 문제를 해결하기 위해, 에이전트의 스킬을 모델의 가중치처럼 체계적으로 훈련하고 최적화하는 새로운 텍스트 공간 최적화 기법을 제안합니다. 이 방법은 피드백을 통해 스킬을 안정적으로 개선하는 최초의 시도입니다.
From Raw Experience to Skill Consumption: A Systematic Study of Model-Generated Agent Skills
언어 에이전트는 과거 경험에서 추출한 ‘스킬’을 재사용하여 성능을 향상시키며, 특히 모델이 스스로 생성한 스킬은 확장성 측면에서 유망합니다. 하지만 스킬의 생성부터 활용까지 전체 생애주기에 대한 포괄적인 연구가 부족한 실정입니다. 이 논문은 모델 생성 스킬의 전체 수명 주기를 체계적으로 분석하여 그 이해를 돕고자 합니다.
PiD: Fast and High-Resolution Latent Decoding with Pixel Diffusion
기존의 고해상도 이미지 생성 모델은 압축된 잠재 공간에서 픽셀로 변환하는 디코더의 속도가 느리고 세부 묘사 능력이 부족한 한계가 있었습니다. PiD(Pixel Diffusion)는 이러한 문제를 해결하기 위해 제안된 새롭고 효율적인 디코딩 패러다임으로, 픽셀 확산 모델을 활용하여 더 빠르고 디테일이 풍부한 고해상도 이미지를 생성합니다.
GitHub Trending
Lum1104/Understand-Anything
이 프로젝트는 어떤 코드든 상호작용 가능한 지식 그래프로 변환해주는 도구입니다. 사용자는 생성된 그래프를 탐색하고 검색하며 코드에 대해 질문할 수 있어, 복잡한 코드베이스를 더 쉽게 이해할 수 있습니다.
anthropics/knowledge-work-plugins
이 저장소는 지식 노동자들을 위해 설계된 오픈소스 플러그인 모음입니다. 주로 앤스로픽의 Claude Cowork 환경에서 활용되도록 만들어졌으며, 다양한 생산성 향상 도구를 제공합니다.
rohitg00/ai-engineering-from-scratch
이 프로젝트는 AI 엔지니어링을 처음부터 배우고, 직접 구축하며, 최종적으로 다른 사람들이 사용할 수 있도록 배포하는 전 과정을 다루는 학습 자료입니다. 이론 학습부터 실제 서비스 개발까지의 실용적인 경험을 제공하는 것을 목표로 합니다.
affaan-m/ECC
ECC는 AI 에이전트의 성능 최적화를 위한 시스템으로, 에이전트 하네스 역할을 합니다. 이 시스템은 AI 에이전트에 기술, 본능, 메모리, 보안 등의 기능을 부여하며 Claude Code, Codex 등 다양한 플랫폼과 연동됩니다.
mukul975/Anthropic-Cybersecurity-Skills
이 프로젝트는 AI 에이전트를 위한 754개의 구조화된 사이버 보안 기술 목록을 제공합니다. 각 기술은 MITRE ATT&CK, NIST CSF 2.0 등 5개의 주요 보안 프레임워크에 매핑되어 있으며, 다양한 AI 코딩 플랫폼에서 활용할 수 있습니다.
AI Weekly
AI Weekly Issue #495: Musk, Zuckerberg killed Trump's AI safety order in three phone calls
일론 머스크와 마크 저커버그가 전화 통화로 트럼프의 AI 안전 행정명령 초안을 무산시켰다는 소식이 전해졌습니다. 한편 마이크로소프트는 과도한 토큰 비용 문제로 내부 클로드 코드 파일럿을 중단하고 코파일럿으로 방향을 전환했으며, 앤스로픽은 300억 달러 이상의 대규모 투자를 유치했습니다.
오늘의 키워드
LLM Eval Vision Agent Transformer Benchmark Inference Claude Knowledge Graph Cursor