hallmark — AI 생성 코드의 slop 방지 디자인 스킬
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Weak-to-Strong Generalization via Direct On-Policy Distillation
강화학습(RL)으로 언어 모델의 추론 능력을 향상시키는 것은 비용이 많이 듭니다. 이 연구는 강력한 모델을 직접 학습시키는 대신, 먼저 작은 모델을 강화학습으로 훈련시킨 후 그 학습 결과를 더 큰 모델로 이전하는 ‘약한 모델에서 강한 모델로의 일반화(weak-to-strong generalization)’ 방법을 제안하여 비용 효율성을 높이는 새로운 대안을 제시합니다.
ABot-N1: Toward a General Visual Language Navigation Foundation Model
기존의 시각 언어 내비게이션(VLN) 모델은 단일 정책으로 관측을 행동에 직접 매핑하여 해석이 어렵고 장기 작업 수행에 한계가 있었습니다. 이 연구는 이러한 문제를 해결하기 위해 범용 시각 언어 내비게이션 기반 모델인 ABot-N1을 제안하며, 작업을 여러 모듈로 분해하여 일반성, 견고성, 투명성을 동시에 확보하는 것을 목표로 합니다.
ABot-AgentOS: A General Robotic Agent OS with Lifelong Multi-modal Memory
최신 VLM 기술이 로봇의 인식 및 행동 예측 능력을 향상시켰지만, 여전히 장기적인 작업을 위한 범용 실행 시스템이 부족합니다. 이 연구는 이러한 한계를 극복하기 위해 로봇 에이전트를 위한 범용 운영체제인 ABot-AgentOS를 제안합니다. 이 시스템은 추론, 기억, 도구 사용, 검증 등을 관리하는 상위 계층 역할을 수행하여 로봇이 복잡한 작업을 평생에 걸쳐 학습하고 수행할 수 있도록 지원합니다.
Long-Horizon-Terminal-Bench: Testing the Limits of Agents on Long-Horizon Terminal Tasks with Dense Reward-Based Grading
기존 AI 에이전트 벤치마크는 주로 단기 작업의 최종 결과만을 평가하여 에이전트의 능력을 온전히 파악하기 어려웠습니다. 이 연구는 이러한 한계를 보완하기 위해 46개의 장기 작업으로 구성된 새로운 벤치마크 ‘Long-Horizon-Terminal-Bench’를 소개하며, 최종 결과뿐만 아니라 중간 과정까지 촘촘한 보상(dense reward)으로 평가하여 에이전트의 성능을 더 정밀하게 측정합니다.
Video Generation Models are General-Purpose Vision Learners
자연어 처리 분야가 ‘다음 토큰 예측’을 통해 범용 모델로 발전했듯이, 컴퓨터 비전 분야에서도 그에 상응하는 패러다임이 필요합니다. 이 논문은 대규모 텍스트-비디오 생성 모델이 시공간적 이해와 시각-언어 정렬 능력을 학습시켜 범용 비전 지능을 구현하는 핵심적인 사전 훈련 방법이 될 수 있다고 주장합니다. 이를 통해 비디오 생성 모델이 특정 작업에 국한되지 않는 범용 비전 학습자(general-purpose vision learner)가 될 수 있음을 보여줍니다.
Hugging Face Blog
X-Lens: Real-Time Metric Depth Estimation with Heterogeneous Cameras
X-Lens는 어안 카메라와 핀홀 카메라처럼 서로 다른 종류의 카메라 뷰를 함께 사용하여 실시간으로 깊이를 측정하는 모델입니다. 이 모델은 학습 가능한 보정 토큰과 자코비안 기반 왜곡 편향 같은 기술을 활용하여, 이질적인 카메라들로부터 얻은 정보를 효과적으로 통합하고 정밀한 깊이 예측을 수행합니다.
DenseReward: Dense Reward Learning via Failure Synthesis for Robotic Manipulation
로봇 조작을 위한 강화학습은 세밀하고 유용한 보상 신호를 제공하는 데 어려움을 겪습니다. DenseReward는 다양한 실패 사례를 인공적으로 생성하고 이를 학습에 활용함으로써, 희소한 성공/실패 정보만으로는 얻기 힘든 촘촘한(dense) 보상 모델을 구축하는 새로운 방법을 제시합니다.
The Seriality Gap in Video Diffusion Models
비디오 확산 모델은 여러 사건이 순차적으로 일어나는 상황을 예측할 때 ‘연속성 격차(Seriality Gap)’라는 문제를 보입니다. 이는 단순히 영상의 길이가 아니라, 당구공 충돌처럼 하나의 사건이 다음 사건의 원인이 되는 인과적 연쇄가 길어질수록 모델의 예측 성능이 저하되는 현상을 의미합니다.
GitHub Trending
Nutlope/hallmark
이 프로젝트는 Claude, Cursor, Codex와 같은 AI 코딩 도우미를 위한 디자인 스킬입니다. AI가 생성하는 평범하고 질 낮은 결과물을 방지하고, 보다 세련되고 의도에 맞는 결과물을 만들도록 돕습니다.
mattpocock/skills
이 저장소는 실제 엔지니어가 사용하는 Claude AI용 스킬 모음입니다. 저자가 직접 자신의 .claude 디렉토리에서 가져온 프롬프트들로, 실무 엔지니어링 문제 해결에 초점을 맞추고 있습니다.
moeru-ai/airi
Airi는 사용자가 직접 호스팅하여 소유할 수 있는 AI 동반자 프로젝트입니다. 실시간 음성 채팅은 물론 마인크래프트나 팩토리오 같은 게임 플레이까지 가능하며, 웹, macOS, Windows 등 다양한 환경을 지원합니다.
openinterpreter/openinterpreter
Open Interpreter는 저비용 언어 모델을 위한 코딩 에이전트입니다. 이 도구를 사용하면 강력한 상용 모델 없이도 로컬 환경에서 코드를 직접 실행하고 상호작용하며 복잡한 개발 작업을 수행할 수 있습니다.
HenryNdubuaku/maths-cs-ai-compendium
이 프로젝트는 최고의 AI/ML 연구 엔지니어가 되기 위한 학습 자료 모음집입니다. AI 분야의 핵심이 되는 수학, 컴퓨터 과학, 인공지능 관련 논문, 강의, 책 등을 총망라하여 제공합니다.
AI Weekly
AI Weekly Issue #514: Applied AI Is Here: What's Working, What Got Pulled Back, and Why Now
AI 위클리가 21개 산업에 걸친 159개의 실제 AI 도입 사례를 담은 ‘AI 활용 사례 라이브러리’를 공개했습니다. 이 자료에는 성공 사례뿐만 아니라 중단되거나 철회된 실패 사례까지 상세히 담겨 있어, 기업이 AI 프로젝트를 기획하기 전 참고할 수 있는 귀중한 선례를 제공합니다.
오늘의 키워드
Reasoning Distillation Tool Use Agent AI Agent Eval Vision Alignment LLM Cursor