airi — 실시간 음성채팅이 가능한 셀프 호스팅 AI 컴패니언
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Kimi K3: Open Frontier Intelligence
Kimi K3는 100만 토큰의 컨텍스트 창과 네이티브 비전 기능을 갖춘 2.8조 파라미터 규모의 전문가 혼합(MoE) 모델입니다. 이 모델은 Kimi Delta Attention 및 Stable LatentMoE와 같은 독자적인 기술을 활용하여 기존 대비 약 2.5배의 성능 향상을 달성했습니다.
JarvisHub: An Open Harness for Canvas-Native Multimodal Creative Agents
최근 창작 AI는 단일 결과물 생성을 넘어, 초안 작성, 수정, 피드백 등 복잡한 과정을 포함하는 장기적인 멀티모달 콘텐츠 제작으로 발전하고 있습니다. JarvisHub는 이러한 실제 창작 작업 흐름을 지원하기 위해 캔버스 기반의 멀티모달 창작 에이전트를 개발하고 평가할 수 있는 오픈소스 프레임워크를 제안합니다.
Progress Reward Modeling for Robotic Learning: A Comprehensive Survey
로봇 학습에서 최종 성공 여부만 알려주는 보상 신호는 복잡한 작업을 수행하는 데 한계가 있어, 작업 수행 중에 피드백을 제공하는 ‘진행 보상(progress reward)’의 중요성이 커지고 있습니다. 이 논문은 현재 체계가 부족한 진행 보상 모델링 분야의 기존 연구들을 종합적으로 조사하고 분류하여, 해당 분야의 공유된 프레임워크를 마련하는 데 기여합니다.
From Proprietary to Open-Source: Bridging the Distribution Gap via Multi-Agent Protocol Distillation in Agentic Search
LLM이 검색과 추론을 반복하는 에이전틱 검색(Agentic Search)을 최적화할 때, 강력한 상용 모델의 지식을 오픈소스 모델로 이전하는 지식 증류(knowledge distillation) 방식이 효과적입니다. 이 연구는 상용 모델의 내부 로직에 접근할 수 없는 한계를 극복하기 위해, 여러 에이전트 간의 상호작용 프로토콜 자체를 증류하여 추론 과정을 학습시키는 새로운 기법을 제안합니다.
Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation
확산 모델(diffusion model)의 속도를 높이는 OPD(On-policy distillation) 기법은 최신 모델의 핵심 요소인 CFG(Classifier-Free Guidance)와 결합될 때 어떻게 작동해야 하는지 명확히 알려지지 않았습니다. 이 연구는 기존 방식의 문제점을 지적하며, CFG의 긍정 및 부정 프롬프트 분기를 각각 독립적으로 증류하는 새로운 목표 함수를 제안하여 더 나은 성능을 달성합니다.
Hugging Face Blog
Rethinking Classifier-Free Guidance in On-Policy Diffusion Distillation
확산 모델(diffusion model)을 개선하는 On-policy distillation 방식은 classifier-free guidance(CFG)와 결합될 때 어떻게 작동하는지 명확히 알려지지 않았습니다. 이 연구는 기존 방법이 교사 모델과 학생 모델의 유도된 속도를 단순히 일치시키려 할 때 발생하는 근본적인 문제를 지적하며, CFG를 더 효과적으로 적용하기 위한 새로운 관점을 제시합니다.
Data Pyramid for Embodied Manipulation
인터넷 전체를 학습하는 파운데이션 모델과 달리, 물리적 상호작용을 하는 로봇 에이전트는 관찰, 상태, 행동이 결합된 특수한 데이터가 필요합니다. 이 연구는 실제 로봇 데이터부터 일반 비전-언어 데이터에 이르기까지 서로 다른 5가지 데이터 소스를 체계적으로 활용하는 ‘데이터 피라미드’ 구조를 제안하여 효과적인 에이전트 학습 방법을 제시합니다.
The Physics of Multi-Turn Long-Horizon Planning: From Pre-training to Post-training via Single- and Multi-Teacher On-Policy Agentic Distillation
파운데이션 모델 에이전트에게 여러 턴에 걸친 장기 계획 능력은 매우 중요하지만, 통제 불가능한 인터넷 데이터로 학습된 기존 모델들은 어떻게 이 능력을 습득하는지 파악하기 어렵습니다. 이 연구는 정밀한 제어가 가능한 통합 멀티턴 환경을 도입하여, 계획 능력이 형성되고 발전하는 과정을 체계적으로 분석할 수 있는 새로운 접근법을 제시합니다.
GitHub Trending
moeru-ai/airi
airi는 Neuro-sama와 같은 가상 존재를 직접 호스팅하여 만들 수 있는 AI 동반자 프로젝트입니다. 실시간 음성 채팅은 물론 마인크래프트 같은 게임 플레이까지 지원하며, 웹과 데스크톱 환경에서 모두 사용할 수 있습니다.
andrewyng/aisuite
aisuite는 여러 생성형 AI 제공업체의 서비스를 하나의 통합된 인터페이스로 간단하게 사용할 수 있게 해주는 도구입니다. 이를 통해 개발자는 각기 다른 AI 모델을 동일한 방식으로 손쉽게 제어하고 활용할 수 있습니다.
affaan-m/ECC
ECC는 AI 에이전트의 성능을 최적화하기 위해 설계된 시스템입니다. Claude Code, Codex와 같은 코드 생성 모델을 위해 기술, 기억, 보안 등의 기능을 통합하여 연구 중심적으로 개발되었습니다.
huggingface/speech-to-speech
huggingface/speech-to-speech는 오픈소스 모델을 활용하여 로컬 환경에서 음성 에이전트를 구축할 수 있게 해주는 프로젝트입니다. 이를 통해 사용자는 인터넷 연결 없이도 자신만의 음성 비서를 만들고 제어할 수 있습니다.
virgiliojr94/book-to-skill
book-to-skill은 기술 서적 PDF 파일을 Claude Code가 이해하고 활용할 수 있는 ‘기술(skill)’로 변환해주는 도구입니다. 이를 통해 책의 내용을 업무 중에 실시간으로 참고하거나 학습 자료로 활용할 수 있어 생산성을 높여줍니다.
오늘의 키워드
Vision Multimodal Agent Prompt Distillation Retrieval Eval MoE Claude Cursor