ai-berkshire — Claude Code 기반 가치 투자 연구 프레임워크
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Are We Ready For An Agent-Native Memory System?
LLM 에이전트의 메모리 기술은 단순한 정보 검색을 넘어 영구 저장, 업데이트, 통합을 지원하는 데이터 관리 시스템으로 발전했습니다. 하지만 현재의 평가 방식은 최종 과제 성공률에만 초점을 맞추고 메모리 시스템 자체를 블랙박스로 취급하여, 시스템의 구체적인 성능을 분석하고 개선하는 데 한계가 있습니다.
DomainShuttle: Freeform Open Domain Subject-driven Text-to-video Generation
‘DomainShuttle’은 텍스트 설명에 따라 특정 대상이 등장하는 영상을 생성하는 새로운 기술로, 대상의 특징을 그대로 유지하거나 핵심 특징만 남기고 유연하게 바꾸는 두 가지 시나리오를 모두 지원합니다. 기존 기술들이 대상의 특징을 충실히 재현하는 데 집중했던 것과 달리, 이 기술은 대상의 정체성을 보존하면서도 다양한 맥락에 맞게 자유롭게 변형하는 능력까지 갖추었습니다.
NatureBench: Can Coding Agents Match the Published SOTA of Nature-Family Papers?
‘NatureBench’는 세계적인 학술지 ‘네이처’ 계열 논문에서 추출한 90개 과학 문제로 구성된 새로운 벤치마크로, AI 코딩 에이전트가 단순한 연구 재현을 넘어 실제 과학적 발견에 기여할 수 있는지 평가합니다. 이 벤치마크는 ‘NatureGym’이라는 자동화된 파이프라인을 통해 각 과제별로 표준화된 실행 환경을 제공함으로써, 기존 연구 평가의 신뢰성을 저해했던 환경 파편화 문제를 해결했습니다.
Escaping the Self-Confirmation Trap: An Execute-Distill-Verify Paradigm for Agentic Experience Learning
LLM 에이전트가 스스로 경험을 통해 학습할 때, 잘못된 결과를 성공으로 착각해 오류를 반복하는 ‘자기 확신 함정’에 빠질 수 있습니다. 이 문제를 해결하기 위해 ‘실행-추출-검증(Execute-Distill-Verify)’이라는 새로운 패러다임을 제안하며, 이는 단일 에이전트가 아닌 외부 검증자를 통해 경험의 유효성을 확인함으로써 누적되는 오류를 방지합니다.
Wan-Streamer v0.1: End-to-end Real-time Interactive Foundation Models
‘Wan-Streamer’는 실시간 양방향 오디오-비디오 상호작용을 위해 설계된 새로운 스트리밍 기반 파운데이션 모델입니다. 이 모델은 단일 트랜스포머 구조 안에서 언어, 오디오, 비디오를 통합적으로 처리하며, 사용자의 입력이 끝나기를 기다리지 않고 즉각적으로 반응할 수 있어 지연 시간이 매우 짧은 상호작용을 구현합니다.
Hugging Face Blog
DomainShuttle: Freeform Open Domain Subject-driven Text-to-video Generation
DomainShuttle은 텍스트 프롬프트를 기반으로 특정 주제를 담은 영상을 생성하는 새로운 텍스트-비디오(S2V) 생성 기술입니다. 이 기술은 기존 모델들이 집중했던 주제의 특징을 그대로 유지하는 것을 넘어, 주제의 핵심 정체성은 보존하면서도 텍스트에 따라 자유롭게 속성을 변경하는 ‘교차 도메인’ 생성까지 효과적으로 처리합니다.
MVTrack4Gen: Multi-View Point Tracking as Geometric Supervision for 4D Video Generation
MVTrack4Gen은 단일 참조 영상과 목표 카메라 경로를 이용해 새로운 시점의 영상을 생성하는 4D 비디오 생성 기술입니다. 이 기술은 다중 시점 포인트 트래킹(multi-view point tracking)을 기하학적 감독 정보로 활용하여, 기존 3D 재구성 방식의 부정확성 문제를 해결하고 원본 영상의 움직임과 일관성을 높은 수준으로 유지합니다.
Autodata: An agentic data scientist to create high quality synthetic data
Autodata는 AI 에이전트가 데이터 과학자 역할을 수행하며 고품질의 합성 훈련 및 평가 데이터를 생성하도록 하는 새로운 방법론입니다. 이 에이전트는 스스로 더 나은 데이터를 만드는 법을 학습하도록 훈련될 수 있으며, 이를 통해 법률 추론이나 수학 문제 해결과 같은 복잡한 분야에서 모델 성능을 향상시키는 데 기여합니다.
GitHub Trending
calesthio/OpenMontage
세계 최초의 오픈소스 AI 에이전트 기반 영상 제작 시스템입니다. 12개의 파이프라인과 500개 이상의 에이전트 기술을 활용하여, AI 코딩 도우미를 완전한 영상 제작 스튜디오로 탈바꿈시킬 수 있습니다.
xbtlin/ai-berkshire
Claude Code를 기반으로 구축된 AI 시대의 가치 투자 연구 프레임워크입니다. 워런 버핏 등 네 명의 투자 대가들의 방법론을 적용하고, 여러 AI 에이전트가 병렬적으로 분석을 수행하여 투자 결정을 돕습니다.
apple/container
Apple에서 공개한 Mac용 Linux 컨테이너 생성 및 실행 도구입니다. Swift로 작성되었으며, 경량 가상 머신을 사용하여 Apple Silicon에 최적화된 성능을 제공합니다.
JCodesMore/ai-website-cloner-template
AI 코딩 에이전트를 활용하여 단 하나의 명령어로 어떤 웹사이트든 복제할 수 있는 템플릿입니다. 이 도구를 사용하면 복잡한 과정 없이 원하는 웹사이트의 구조와 디자인을 손쉽게 복제할 수 있습니다.
garrytan/gstack
유명 투자자 개리 탄이 실제로 사용하는 Claude Code 설정 전체를 담은 프로젝트입니다. CEO, 디자이너, 엔지니어 등 다양한 역할을 수행하는 23개의 특화된 도구들을 통해 그의 작업 방식을 그대로 활용할 수 있습니다.
AI Weekly
AI Weekly Issue #507: Anthropic Says Alibaba Stole 29 Million Conversations With Claude
앤스로픽은 알리바바가 2만 5천 개의 가짜 계정으로 자사 AI 클로드(Claude)와의 대화 2,900만 건을 무단 탈취했다고 주장하며 백악관에 증거를 제출했습니다. 이 사건은 핵심 인재 영입, 해킹, 규제 압박 등 AI 연구소들 간의 전방위적인 전쟁이 심화되는 가운데 벌어졌으며, 정작 확실한 수익을 내는 곳은 하드웨어 기업뿐이라는 현실을 보여줍니다.
오늘의 키워드
LLM RAG Agent Eval Prompt AI Coding Retrieval Audio Vision Reasoning