agency-agents — 에이전트들로 구성된 에이전시
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
BDH-CQ: In-Context Learning with Recurrent Latent Reasoning
BDH-CQ는 인-컨텍스트 학습과 순환적 잠재 추론을 결합한 새로운 모델로, 추론 과정에서 제시된 입력을 통해 내부 메모리를 계속 업데이트합니다. 이 모델은 중간 추론 과정을 언어로 표현하지 않고 잠재 공간 내에서 반복적인 계산을 통해 문제를 해결하며, 이를 통해 시연으로부터 무엇을 학습하는지 연구되었습니다.
Macaron-V1: Towards Open Continual Learning with Self-Improvement and Mixture-of-LoRA
Macaron-V1은 실제 환경에서의 경험을 통해 학습하고 배포 후에도 지속적으로 학습하는 개방형 에이전트 모델 제품군입니다. 이 모델은 이전 버전의 경험을 바탕으로 후속 버전을 구축하며 스스로를 개선하고, 기본 모델을 고정한 채 다수의 LoRA를 혼합하는 MoL(Mixture-of-LoRA) 아키텍처를 통해 협업 능력을 추구합니다.
SWE-Bench ProMax: Benchmarking Agents on Large-Scale Multilingual Code Refactoring
기존 AI 코딩 에이전트 벤치마크는 테스트 결함이나 훈련 데이터 암기 문제 등으로 한계에 도달하고 있습니다. 이에 SWE-Bench ProMax는 대규모 다국어 코드 리팩토링 작업에 초점을 맞춘 새로운 벤치마크를 제안하여, 에이전트의 복잡하고 장기적인 소프트웨어 엔지니어링 능력을 더욱 정확하게 평가하고자 합니다.
Ouroboros: A Self-Developing Frontier Coding Agent with Reviewed Core Evolution
우로보로스(Ouroboros)는 스스로의 도구, 프롬프트, 핵심 구현을 개선하며 발전하는 자가 개발 코딩 에이전트입니다. 이 에이전트는 검토된 코드 변경사항을 통해 핵심 기능을 진화시키며, 개선된 버전이 다음 작업을 위한 새로운 실행 환경이 되는 방식으로 작동합니다.
On-Policy Self-Distillation without Any Supervision
기존의 온-폴리시 자가 증류(On-Policy Self-Distillation) 방식은 정답 데이터나 더 큰 모델의 지도 등 외부 감독에 의존하는 한계가 있었습니다. 본 연구는 외부 감독 없이 오직 모델 스스로 생성한 결과물들의 내적 일관성만을 활용하여 자가 증류를 달성하는 새로운 비지도 학습 방법을 제안하여 진정한 의미의 ‘자가’ 증류 가능성을 보여줍니다.
Hugging Face Blog
BDH-CQ: In-Context Learning with Recurrent Latent Reasoning
BDH-CQ는 인-컨텍스트 학습과 순환적 잠재 추론을 결합한 새로운 추론 모델입니다. 이 모델은 추론 시 입력된 정보를 바탕으로 순환 메모리를 계속 업데이트하며, 중간 추론 과정을 언어화하지 않고 고차원 잠재 공간에서 반복적인 계산을 통해 문제를 해결합니다.
Stealing Reasoning Traces from Proprietary LLM APIs
주요 LLM 제공업체들은 지적 재산 보호를 위해 모델의 단계별 추론 과정을 암호화하여 클라이언트에 전송하는 방식을 사용합니다. 하지만 이 연구는 서로 다른 세션 간에 암호화된 블록이 호환되고 교환될 수 있다는 아키텍처 취약점을 발견했으며, 이를 통해 숨겨진 추론 과정을 탈취할 수 있음을 시사합니다.
Sci-VBench: Evaluating Knowledge- and Reasoning-Intensive Video Generation in Science Domains
Sci-VBench는 과학 분야에서 지식과 추론 능력을 집중적으로 요구하는 영상 생성 모델을 평가하기 위한 새로운 종합 벤치마크입니다. 이 벤치마크는 자연과학, 헬스케어 등 4개 핵심 분야에 걸쳐 전문가가 주석을 단 예시들을 포함하며, 모델이 단순한 시각적 그럴듯함을 넘어 과학적 추론에 기반한 영상을 생성하도록 요구합니다.
토스 기술블로그
토스의 속도와 품질, 상용 도구로 충분한가 — 토션(Tossion)
토스 QA Platform 팀은 빠른 개발 속도와 높은 품질 기준을 만족시키기 위해 상용 도구의 한계를 느끼고 자체 플랫폼을 구축했습니다. 이 글은 토스가 직접 개발한 고유의 QA 플랫폼 ‘토션(Tossion)’을 소개하며, 왜 자체적인 해결책이 필요했는지에 대한 배경을 설명합니다.
GitHub Trending
msitarzewski/agency-agents
프론트엔드 개발부터 커뮤니티 관리까지, 다양한 전문 분야의 AI 에이전트들을 모아 놓은 프로젝트입니다. 각 에이전트는 고유한 성격과 프로세스를 가지고 있어, 마치 하나의 완전한 AI 에이전시처럼 협업하여 결과물을 만들어냅니다.
semantica-agi/semantica
그래프 네이티브(Graph-Native) 기술을 기반으로 AI 시스템의 컨텍스트와 책임성을 확보하기 위한 인프라스트럭처입니다. 이를 통해 AI가 내리는 결정의 배경을 명확히 추적하고 이해할 수 있도록 돕습니다.
addyosmani/agent-skills
AI 코딩 에이전트가 실제 현업 수준의 엔지니어링 역량을 갖추도록 돕는 프로젝트입니다. 이 자료를 통해 AI 에이전트는 더 안정적이고 효율적인 코드를 작성하는 능력을 학습할 수 있습니다.
ZhuLinsen/daily_stock_analysis
LLM을 활용하여 여러 국가의 주식 시장을 분석하는 지능형 시스템입니다. 다양한 출처의 시세 정보와 실시간 뉴스를 종합하고, 의사결정 대시보드와 자동 알림 기능까지 제공하여 투자 판단을 돕습니다.
vitali87/code-graph-rag
모노레포(monorepo) 환경에 최적화된 RAG 시스템입니다. 지식 그래프와 AI 기술을 결합하여, 여러 프로그래밍 언어로 구성된 복잡한 코드베이스를 효과적으로 검색하고 이해하며 수정할 수 있도록 지원합니다.
오늘의 키워드
Reasoning Inference Eval LoRA Agent AI Coding Prompt LLM Distillation Chain-of-Thought