needle — 스마트홈, 웨어러블 등 tiny device용 14MB 파운데이션 모델
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
OpenART: Scaling Agent Red Teaming via Open-Ended Environment Evolution
기존 AI 에이전트 안전성 벤치마크는 단기적이고 정적인 작업에 초점을 맞춰 누적되는 위험을 포착하지 못하는 한계가 있습니다. 이를 해결하기 위해 OpenART는 개방형 환경을 지속적으로 발전시키며 장기적인 작업 흐름 속에서 에이전트의 잠재적 위험을 효과적으로 발견하고 테스트하는 새로운 레드팀 프레임워크를 제안합니다.
LLMRouter: Unified Infrastructure for Developing, Evaluating, and Deploying LLM Routers
모든 작업에 최적인 단일 LLM은 없기 때문에 비용 효율적인 배포를 위해서는 쿼리에 맞는 모델을 선택해 주는 LLM 라우터가 필수적입니다. LLMRouter는 다양한 라우터의 개발, 평가, 배포를 위한 통합 인프라를 제공하여, LLM 라우팅을 순차적 의사결정 과정으로 정형화하고 공정한 비교와 확장을 가능하게 합니다.
Alaya-EVOKE: From Linear-Scaling Supervision to Endless World
상호작용형 월드 모델은 영구적인 메모리, 빠른 상호작용, 장기적인 생성이라는 상충되는 요구사항으로 인해 어려움을 겪습니다. Alaya-EVOKE는 영구적인 월드 상태를 외부화하여 이러한 한계를 극복함으로써, 세션 길이나 메모리 유지의 제약 없이 무한한 월드를 생성하고 상호작용할 수 있는 새로운 아키텍처를 제시합니다.
Mechanist: AI as a Scientific Instrument for Discovering the Mechanisms of Intelligence
AI 모델의 성능은 급격히 발전하고 있지만, 그 내부 작동 원리에 대한 이해는 여전히 부족하여 모델의 능력과 통제 가능성 사이의 격차가 커지고 있습니다. Mechanist는 AI를 과학적 도구로 활용하여 다른 AI 모델의 지능 메커니즘을 자율적으로 탐색하고 설명하는 에이전트 시스템으로, 이러한 이해의 격차를 해소하는 것을 목표로 합니다.
DreamX-Phi 1.0: Action-Conditioned Video World Model for Robotic Manipulation
DreamX-Phi 1.0은 언어 지시와 행동 순서가 주어졌을 때 로봇 조작의 미래 영상을 예측하는 비디오 월드 모델입니다. 이 모델은 각 로봇 팔의 명령 경로에 대한 변환 정보를 주입하여, 예측된 영상이 실제 명령을 충실히 따르도록 보장하고 로봇 조작 작업의 현실성과 정확성을 크게 향상시킵니다.
Hugging Face Blog
Alaya-EVOKE: From Linear-Scaling Supervision to Endless World
상호작용형 월드 모델은 긴 시간 동안의 생성, 빠른 반응, 지속적인 메모리 유지라는 상충되는 요구사항을 해결해야 하는 과제를 안고 있습니다. Alaya-EVOKE는 영구적인 월드 상태를 외부화하는 방식으로 이 문제를 해결하여, 세션 길이나 메모리 제약 없이 무한한 세계를 구현하고 저지연 상호작용을 가능하게 합니다.
PlayWorld: Benchmarking World Models with Agent Players over Long-Horizon Objectives
비디오 월드 모델은 사용자의 행동에 따라 미래를 시뮬레이션하지만, 이들의 성능을 공정하게 비교하고 평가하는 것은 어려운 과제였습니다. PlayWorld는 에이전트 플레이어가 장기적인 목표를 수행하게 함으로써 월드 모델의 상호작용 능력과 일관성을 체계적으로 벤치마킹하는 새로운 방법을 제시합니다.
AutoDesign: Meta-Harness Optimization for Long-Horizon Agentic Design
멀티모달 소스를 구조화된 미디어로 변환하는 작업은 장기적인 에이전트 프로세스로 볼 수 있지만, 기존 시스템은 스스로 개선하는 능력이 부족했습니다. AutoDesign은 인간의 디자인 원칙에 부합하고 경험을 통해 재귀적으로 자체 개선하는 새로운 프레임워크를 제안하여, 에이전트 시스템의 설계 과정을 최적화합니다.
토스 기술블로그
AI에게 투자정보를 말하게 하기까지
신뢰도 높은 투자 정보 AI를 개발하기 위해 토스는 근거 선택, 절차 통제, 실패 보완이라는 세 가지 핵심 과제를 해결했습니다. AI가 정확한 근거를 기반으로 정보를 생성하도록 절차를 엄격히 통제하고, 실패 사례를 지속적으로 분석 및 개선하며 시스템의 완성도를 높였습니다.
GitHub Trending
cathrynlavery/diagram-design
이 프로젝트는 Claude Code를 위한 29가지 다이어그램 디자인 모음입니다. 그림자 효과 없이 깔끔하며, HTML과 SVG로만 구성되어 있어 어디서든 독립적으로 사용할 수 있습니다.
cactus-compute/needle
Needle은 스마트폰, 웨어러블, 로봇 등 소형 기기를 위해 개발된 14MB 크기의 초경량 파운데이션 모델입니다. 제한된 하드웨어 자원에서도 효율적으로 동작하도록 설계되었습니다.
megadose/holehe
holehe는 특정 이메일 주소가 트위터나 인스타그램 등 여러 웹사이트에 가입되어 있는지 확인할 수 있는 도구입니다. ‘비밀번호 찾기’ 기능을 활용하여 해당 이메일의 가입 여부 정보를 수집합니다.
macro-inc/macro
Macro는 이메일, 채팅, 문서, CRM 등 팀의 모든 작업을 하나로 통합한 협업 공간입니다. 공유된 AI 메모리를 통해 모든 데이터와 기능이 유기적으로 연결되는 것이 특징입니다.
citrolabs/ego-lite
ego-lite는 AI 에이전트의 브라우저 자동화를 위한 초고속 브라우저입니다. 사용자의 작업에 방해 없이 로그인된 브라우저 상태를 AI 에이전트와 공유할 수 있으며, 별도 설정이나 비용이 필요 없습니다.
오늘의 키워드
Red team AI Agent Benchmark LLM Eval Vision LoRA Agent Multimodal Claude