OpenViking — AI 에이전트의 메모리·지식·스킬 통합 데이터베이스
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
StateM: Reaching 95.3% Raw Accuracy, or a \$15 Frontier Run, on Terminal-Bench 2.1 via Harness Scaling
장기 작업을 수행하는 에이전트는 기본 모델의 성능이 뛰어나도 상태를 잊거나 절차를 건너뛰는 등의 문제로 실패할 수 있습니다. StateM은 모델 자체를 바꾸지 않고 에이전트의 실행 시스템을 개선하는 ‘하네스 스케일링’ 접근법을 제안하며, 이를 통해 Terminal-Bench 2.1에서 95.3%라는 높은 정확도를 달성했습니다.
Learn What's Left, Not What's Mastered: Saturation Aware Advantage Reweighting for Multi-Reward Policy Optimization
여러 보상 목표를 동시에 최적화하는 강화학습에서 기존 방식은 고정된 가중치 합계를 사용해 문제가 발생합니다. 이 연구는 이미 충분히 학습된 목표의 가중치는 낮추고 아직 미흡한 목표에 집중하는 새로운 기법을 제안하여, 보다 효율적인 다중 보상 최적화를 가능하게 합니다.
Demystifying Agent Skills: Why They Work-Until They Don't
LLM 에이전트의 성능을 높이는 ‘스킬’의 효과는 알려져 있지만, 언제, 왜, 그리고 어떤 상황에서 실패하는지에 대한 근본적인 질문은 해결되지 않았습니다. 이 연구는 다양한 환경에서 통제된 실험을 통해 스킬이 작동하는 원리와 그 한계를 심층적으로 분석하여, 스킬의 효과를 명확히 규명하고자 합니다.
Agentic ESOpt: Fine-Tuning Long-Horizon LLM Agents with Minimal GPU Requirements
장기적인 추론이 필요한 LLM 에이전트를 강화학습(RL)으로 미세조정하는 것은 많은 GPU 자원과 긴 상호작용으로 인한 어려움이 따릅니다. 이 논문은 역전파가 필요 없는 진화 전략(ES)을 대안으로 제시하며, 이를 통해 최소한의 GPU 요구사항으로도 대규모 LLM 에이전트를 효과적으로 미세조정할 수 있음을 보여줍니다.
FreeToken: Efficient Edge-Native MoE Serving with Bandwidth-Adaptive Execution
최신 대규모 MoE 모델을 개인용 컴퓨터 같은 엣지 환경에서 실행하는 것은 어렵습니다. FreeToken은 제한된 대역폭과 같은 엣지 환경의 특성을 고려하여 모델 레이아웃부터 CPU-GPU 실행, 메모리 관리까지 전체 서빙 스택을 최적화한 시스템으로, 개인 장치에서도 효율적인 MoE 모델 서빙을 가능하게 합니다.
Hugging Face Blog
EDITBRIDGE: Towards Faithful and Efficient Ultra-High-Resolution Image Editing
기존 확산 모델은 메모리 문제로 고해상도 이미지 편집에 한계가 있어 저해상도 편집 후 업스케일링하는 방식을 사용했지만, 이는 원본의 세부 정보와 어긋나는 문제가 있었습니다. EDITBRIDGE는 이러한 정보 불일치 문제를 해결하여 초고해상도 이미지를 원본에 충실하면서도 효율적으로 편집할 수 있도록 설계된 새로운 기술입니다.
From Corpora to Co-Evolving Capabilities: Capability-Centric Data Design for Generalist Image Generation
기존의 대규모 이미지 생성 모델은 개별 데이터셋을 독립적으로 최적화하여 다양한 생성 능력 간의 의존성을 고려하지 못하는 한계가 있었습니다. 이 연구는 생성 모델이 갖춰야 할 ‘능력’을 중심으로 데이터를 설계하고 구성하는 새로운 프레임워크를 제시하여, 여러 능력이 함께 발전할 수 있도록 돕습니다.
GS-Voxel: Fitting-Free Structured Latents for Large-Scale 3DGS Generation
기존 3D 생성 모델은 정형화된 데이터를 필요로 하지만, 3DGS(3D Gaussian Splatting) 결과물은 비정형적이라 변환에 추가 최적화가 필요했습니다. GS-Voxel은 별도의 최적화 과정 없이 3DGS 결과물을 희소 복셀(sparse voxel) 형태의 정형화된 잠재 공간으로 바로 변환하는 프레임워크로, 대규모 3D 장면 생성의 효율을 높입니다.
GitHub Trending
harry0703/MoneyPrinterTurbo
MoneyPrinterTurbo는 AI 대형 모델과 자동화된 워크플로우를 활용하여 고화질 숏폼 비디오를 제작하는 프로젝트입니다. 사용자가 특정 주제나 키워드를 입력하면, AI가 자동으로 전체 영상 제작 과정을 처리하여 완성된 결과물을 제공합니다.
volcengine/OpenViking
OpenViking은 AI 에이전트를 위한 자가 발전형 컨텍스트 데이터베이스입니다. 이 프로젝트는 에이전트의 메모리, RAG 기반 지식, 그리고 스킬을 하나로 통합하여 에이전트의 성능과 확장성을 높이는 것을 목표로 합니다.
chaitanyagiri/munder-difflin
munder-difflin은 로컬 환경에서 여러 AI 에이전트를 동시에 실행하고 관리할 수 있도록 돕는 프레임워크입니다. 사용자는 자신의 컴퓨터에서 직접 다중 에이전트 시스템을 구축하고 테스트해볼 수 있습니다.
mukul975/Anthropic-Cybersecurity-Skills
이 프로젝트는 AI 에이전트를 위해 체계적으로 정리된 817개의 사이버 보안 기술 데이터셋을 제공합니다. 이 기술들은 MITRE ATT&CK, NIST 등 6개의 주요 보안 프레임워크에 매핑되어 있으며, 20개 이상의 다양한 AI 플랫폼과 호환됩니다.
mattpocock/skills
이 저장소는 실제 엔지니어들을 위한 실용적인 기술들을 모아놓은 컬렉션입니다. 저자가 자신의 AI 에이전트 디렉토리에서 직접 가져온 파일들로, 이론이 아닌 현업에서 바로 활용 가능한 예제들을 담고 있습니다.
오늘의 키워드
Agent LLM Inference Eval Fine-tuning MoE Workflow Vision RAG AI Agent