munder-difflin — 로컬에서 돌리는 멀티 에이전트 하네스
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
HarnessEval-W: Agentifying the Evaluation of Visual Worlds
기존 월드 모델 벤치마크는 물리 법칙이나 인과 관계가 올바르게 작동하는지 판단하는 근거 없이 단순한 점수만 제공하는 한계가 있었습니다. HarnessEval-W는 이러한 평가 과정을 에이전트화하여, 점수에 대한 논리적 추론 과정을 자동으로 생성하고 검증함으로써 벤치마크의 신뢰도를 높이는 새로운 프레임워크입니다.
StateM: Reaching 95.3% Raw Accuracy, or a \$15 Frontier Run, on Terminal-Bench 2.1 via Harness Scaling
장기적인 작업을 수행하는 에이전트는 기반 모델의 성능이 충분하더라도 상태를 놓치거나 이전 경험을 활용하지 못하는 등 실행 시스템의 한계로 인해 실패하는 경우가 많습니다. StateM은 모델 가중치를 변경하지 않고 안정적인 상태 관리와 단계별 컨텍스트 활용으로 실행 시스템을 개선하는 ‘하네스 스케일링’ 개념을 도입하여 에이전트의 작업 수행 능력을 크게 향상시킵니다.
VibeWorlding: Can Multimodal Agents Construct 3D Open Worlds End-to-End?
기존 3D 오픈 월드 구축 기술은 이상적인 환경에서만 평가되어, 멀티모달 에이전트의 사용자 의도 파악 및 3D 도구 활용 능력을 체계적으로 분석하기 어려웠습니다. VibeWorlding은 사용자 의도를 추론하고 3D 도구를 활용하여 자율적으로 3D 세계를 구축하는 에이전트를 벤치마킹하고 훈련시키기 위한 통합 프레임워크를 제안합니다.
Large Discovery Models: Empirically-grounded Model-Based Open-Ended Search
분자나 단백질 서열 같은 방대한 가설 공간에서 최적의 해를 찾는 과학적 발견 과정에서 LLM은 유용하지만, 관찰되지 않은 새로운 후보에 대한 평가는 신뢰하기 어렵습니다. 이 논문은 생성 모델의 사전 지식과 경험적 모델 기반 탐색을 결합한 ‘대규모 발견 모델(Large Discovery Models)’을 통해, 광범위하고 구조화된 공간에서 보다 효율적으로 새로운 발견을 이끌어냅니다.
Learn What's Left, Not What's Mastered: Saturation Aware Advantage Reweighting for Multi-Reward Policy Optimization
여러 보상 목표를 동시에 최적화하는 기존 강화학습 방식은 고정된 가중치를 사용해, 이미 숙달된 목표에 불필요한 노력을 쏟는 비효율 문제가 있었습니다. 이 연구는 모델이 특정 목표를 얼마나 숙달했는지 인지하여 보상 가중치를 동적으로 조절하는 새로운 기법을 제안하며, 이를 통해 아직 숙달하지 못한 목표에 학습을 집중시켜 최적화 효율을 높입니다.
Hugging Face Blog
HarnessEval-W: Agentifying the Evaluation of Visual Worlds
기존 월드 모델 벤치마크는 단순 점수만 제공하여 평가의 신뢰성을 파악하기 어렵습니다. HarnessEval-W는 물리 법칙, 인과 관계 등의 위반 여부를 인간처럼 판단하고 그 근거를 함께 제시하여, 모델 평가에 대한 깊이 있는 이해와 신뢰를 제공하는 새로운 평가 프레임워크입니다.
ClawGym II: Exploring Black-Box RL on Agent Harness
에이전트 하네스(Agent harness)는 장기 과제(long-horizon task) 해결에 효과적이지만, 이를 활용한 강화학습(RL) 훈련은 확장성 문제로 인해 연구가 미진했습니다. 이에 ClawGym II는 샌드박스 기반 환경에서 복잡한 하네스를 통해 에이전트를 안정적으로 최적화하는 통합 블랙박스 RL 프레임워크를 제안하여 이 문제를 해결합니다.
An Empirical Study of Training Pixel-Space Text-to-Image Diffusion Models
이 논문은 텍스트-이미지 생성 분야에서 중요성이 커지고 있는 픽셀 공간(pixel-space) 확산 모델에 대한 실증적 연구를 다룹니다. 기존 연구와 달리 대규모 데이터셋을 직접 픽셀 공간에서 사전 훈련시킬 때 발생하는 수렴 속도 저하 문제를 발견했으며, 잠재 공간(latent-space) 모델에 필적하는 성능을 내기 위한 실용적인 훈련 방법을 탐구합니다.
토스 기술블로그
토스는 어떻게 광고 속에 게임을 넣었을까
토스는 사용자가 광고를 직접 플레이하며 즐길 수 있는 ‘플레이어블 광고’를 도입하기 위해 자체 기술 개발을 선택했습니다. 외부 솔루션 대신 MRAID 표준에 기반한 광고 SDK를 직접 제작하여, 앱 환경에 최적화된 매끄러운 인터랙티브 광고 경험을 구현해냈습니다.
GitHub Trending
harry0703/MoneyPrinterTurbo
이 프로젝트는 AI 대규모 모델과 자동화된 워크플로우를 활용하여, 주제나 키워드만으로 고화질의 짧은 동영상을 클릭 한 번에 생성해주는 도구입니다. 콘텐츠 제작 과정을 자동화하여 누구나 쉽게 영상을 만들 수 있도록 지원합니다.
chaitanyagiri/munder-difflin
이 프로젝트는 로컬 환경에서 여러 AI 에이전트를 동시에 실행하고 관리할 수 있도록 설계된 멀티 에이전트 개발 도구입니다. 개발자들은 자신의 컴퓨터에서 복잡한 에이전트 시스템을 손쉽게 구축하고 테스트할 수 있습니다.
akitaonrails/ai-memory
이 프로젝트는 AI 코딩 에이전트를 위한 장기 기억 솔루션을 제공하여, 여러 다른 공급업체의 AI 에이전트 간에 작업 내용과 맥락을 원활하게 전달하고 공유할 수 있도록 돕습니다. 이를 통해 에이전트의 연속적인 작업 수행 능력을 향상시킵니다.
volcengine/OpenViking
OpenViking은 AI 에이전트를 위한 자기 진화형 컨텍스트 데이터베이스입니다. 에이전트의 기억, RAG 기반 지식, 그리고 기술을 하나로 통합하여 관리함으로써 에이전트가 스스로 학습하고 발전할 수 있는 기반을 마련합니다.
mukul975/Anthropic-Cybersecurity-Skills
이 프로젝트는 AI 에이전트를 위해 817개의 구조화된 사이버 보안 기술 데이터셋을 제공합니다. 이 기술들은 MITRE ATT&CK, NIST 등 6개의 주요 보안 프레임워크와 연계되어 있으며, 20개 이상의 다양한 AI 플랫폼에서 활용될 수 있습니다.
AI Weekly
AI Weekly Issue #523: AI ethics is nobody's job now. The labs prefer it that way.
최첨단 AI 연구소들에서 AI 윤리를 책임지는 조직과 인력이 사라지면서 사실상 책임자가 부재한 상황이 되고 있습니다. 이는 기업들이 의도적으로 책임 구조를 해체하고 있음을 시사하며, 선한 의도만으로는 윤리적 AI 개발을 보장할 수 없다는 퇴사 연구원의 지적이 문제의 심각성을 보여줍니다.
오늘의 키워드
Reasoning Agent Eval Multimodal LLM Workflow RAG AI Agent Claude Cursor