awesome-gpt-image-2 — 470+ 사례로 만든 프롬프트 템플릿 라이브러리
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
EnvHarness: Awakening Static Worlds for Agent Learning
LLM 에이전트 학습 환경은 대부분 수동으로 제작되어 에이전트의 발전에 따라가지 못하는 정적인 한계가 있습니다. 이를 해결하기 위해 제안된 EnvHarness는 프로그래밍 가능한 프레임워크를 통해 환경을 동적으로 변화시켜, 에이전트의 약점을 파악하고 성장에 맞춰 자동으로 진화하는 학습 환경을 제공합니다.
SemComp-Bench: Benchmarking Semantic Task Completion in Video Generation
기존 영상 생성 기술과 달리, 최종 결과물의 의미론적 완수 여부에 초점을 맞춘 새로운 태스크 ‘의미론적 과제 완수 영상 생성’을 제안합니다. 이 방식은 중간 과정의 정확성보다는 참조 이미지와 생성된 결과물 사이의 고차원적 의미가 일치하는지를 평가하여, 의도된 결과가 성공적으로 달성되었는지 판단하는 새로운 벤치마크를 제시합니다.
Zetta ζ: An Efficient Closed-Loop Embodied Harness for Self-Evolving Physical Intelligence
기존의 물리적 에이전트는 행동이 끝난 후에야 학습하는 개방형 루프(open-loop) 방식이라 실시간 상호작용에 한계가 있었습니다. Zetta ζ는 실행 중에 빠르게 변하는 로봇과 환경 상태를 추적하며 스스로 판단하고 진화하는 폐쇄형 루프(closed-loop) 학습 방식을 도입하여, 물리적 지능이 실시간으로 환경에 적응하며 과업을 수행할 수 있게 합니다.
SemaPLC: A Project-Grounded, Verification-Gated Agent Harness for PLC Code Generation
LLM이 산업 설비를 제어하는 PLC 코드를 생성할 수 있지만, 기존 프로젝트와 통합되어 올바르게 작동하는지 검증하기는 어려웠습니다. SemaPLC는 LLM이 생성한 코드를 단순히 모델 스스로의 판단에 맡기지 않고, 실제 프로젝트에 통합하여 엄격한 검증 절차를 통과해야만 완료로 인정하는 새로운 에이전트 프레임워크를 제시합니다.
FACET: Preserving Source Intent and Executable State in Terminal Task Synthesis
터미널 에이전트 학습에 필요한 고품질 데이터를 만드는 것은 매우 어려운 일인데, 이는 명령어, 환경, 솔루션 등 구성 요소 간의 불일치로 인해 과제가 해결 불가능해지는 경우가 많기 때문입니다. FACET은 태스크 생성 과정에서 원본 소스의 의도와 실행 상태를 보존하여, 모든 구성 요소가 논리적으로 일관성을 유지하도록 함으로써 해결 가능하고 정확하게 평가할 수 있는 학습 데이터를 생성합니다.
Hugging Face Blog
4DAnyone: Create Anyone in 4D from a Casual Monocular Video
4DAnyone은 일반적인 단일 시점 비디오만으로 특정 인물의 4D 모델을 재구성하는 혁신적인 프레임워크입니다. 이 기술은 먼저 재구성에 적합한 다중 시점 비디오를 일관성 있게 생성한 뒤, 이를 4D 가우시안 스플래팅(4DGS) 기술로 변환하여 4D 모델을 완성합니다. 기존 모델이 다중 시점 생성 시 겪는 일관성 문제를 해결하여, 누구나 쉽게 고품질 4D 콘텐츠를 만들 수 있도록 돕습니다.
WithEveryone: Unified Planning and Identity Grounding for Group Image Generation
WithEveryone은 여러 명의 특정 인물이 포함된 그룹 이미지를 생성하면서도 각자의 정체성을 정확하게 유지하는 통합 프레임워크입니다. 이 모델은 최대 10명의 참조 인물까지 지원하며, 각 인물의 정체성을 고유하게 처리하여 정확한 위치에 배치하고 얼굴 특징을 보존합니다. 이를 통해 기존 모델이 다인원 이미지 생성 시 겪었던 정체성 혼동 및 손실 문제를 해결합니다.
Let's Scale Step by Step: Compute-Efficient Hyperparameter Transfer for Large-Scale Mixture-of-Experts
이 논문은 대규모 MoE(Mixture-of-Experts) 모델 학습에 필요한 최적의 하이퍼파라미터를 효율적으로 찾는 2단계 전이 프레임워크를 제안합니다. 거대 모델의 학습률 같은 하이퍼파라미터를 직접 찾는 것은 엄청난 컴퓨팅 비용을 유발하는데, 이 프레임워크는 작은 규모의 실험 결과를 대규모 모델에 전이시켜 비용을 크게 절감합니다. 결과적으로 막대한 계산 자원 없이도 초대형 MoE 모델의 최적 학습 조건을 효과적으로 추정할 수 있습니다.
GitHub Trending
openai/codex
터미널 환경에서 바로 실행할 수 있는 경량 코딩 에이전트입니다. 개발자는 별도의 애플리케이션 없이 터미널 내에서 코드 작성 및 수정을 위한 AI 지원을 받을 수 있습니다.
freestylefly/awesome-gpt-image-2
이미지 생성 AI를 위한 프롬프트 엔지니어링 라이브러리 및 템플릿 모음입니다. 470개 이상의 실제 사례를 역공학하여 분석하고, 20가지가 넘는 산업 수준의 템플릿을 제공하여 고품질 이미지 생성을 돕습니다.
mattpocock/skills
실제 엔지니어링 업무에 바로 적용할 수 있는 AI 에이전트용 스킬셋입니다. 개발자가 자신의 에이전트 디렉토리에서 직접 가져온 실용적인 프롬프트와 설정들로 구성되어 있어, 다양한 개발 작업을 자동화하고 효율을 높일 수 있습니다.
apache/maka
아파치 재단에서 개발 중인 로컬 우선(local-first) AI 에이전트 워크스페이스입니다. 모델 메시지, 도구 호출, 권한 결정 등 모든 상호작용을 추가만 가능한 로그 형태로 기록하여 데이터 보안과 작업 추적을 용이하게 합니다.
Alishahryar1/free-claude-code
터미널, IDE, 스마트폰 등 다양한 환경에서 Claude Code, Codex와 같은 여러 코딩 LLM을 무료로 사용할 수 있게 해주는 도구입니다. 13억 개 이상의 무료 토큰을 제공하며 음성 입력까지 지원하여, 개발자들이 비용 부담 없이 강력한 AI 코딩 지원을 받을 수 있도록 돕습니다.
오늘의 키워드
LLM Agent Grounding Eval Vision MoE GPT Prompt AI Agent Claude