archify — 에이전트 스킬로 만드는 아키텍처·워크플로우 다이어그램
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
GigaBrain-0.7: Scaling Embodied Foundation Models to Emergent Capabilities with a Three-System Architecture
GigaBrain-0.7은 3중 시스템 아키텍처를 통해 확장성을 높인 새로운 체화된 파운데이션 모델(embodied foundation model)입니다. 이 모델은 기존의 시각-언어-행동(VLA) 모델이 더 크고 이질적인 데이터에 대응하며, 다양한 태스크와 환경 전반에 걸쳐 일반화 성능을 달성할 수 있도록 설계되었습니다. 이를 통해 복잡하고 장기적인 과제 해결 능력을 한층 더 발전시키는 것을 목표로 합니다.
Annotations as Rollouts: Efficient and Scalable Reinforcement Learning for Video MLLMs
비디오 멀티모달 대규모 언어 모델(MLLM)의 강화학습 후처리 과정은 샘플 효율성이 낮다는 문제가 있었습니다. 본 논문은 이러한 문제를 해결하기 위해 주석(Annotation)을 고품질의 학습 데이터(rollout)로 직접 활용하는 새로운 강화학습 프레임워크 OraRL을 제안합니다. 이를 통해 비디오 MLLM의 후처리 학습 과정의 샘플 효율성과 확장성을 크게 개선할 수 있습니다.
WeMM-Embedding: WeChat Multi-Modal Embedding Technical Report
위챗(WeChat)이 텍스트, 이미지, 비디오 등 이종 콘텐츠를 단일 벡터 공간에 표현하는 범용 멀티모달 임베딩 모델군 WeMM-Embedding을 공개했습니다. 이 모델은 다양한 크기로 제공되며, 검색, 추천, 분류 등 여러 AI 시스템의 핵심 구성 요소로 활용되어 서로 다른 형태의 데이터를 통합적으로 처리하고 이해하는 능력을 향상시킵니다.
AutoSaddler: Automatic Harness Optimization with Durable Updates from Agent Execution Traces
LLM 에이전트는 장기적인 과제 수행 시 안정성이 떨어지는 문제가 있으며, 이를 보완하는 외부 장치(harness) 설계는 수작업으로 많은 비용이 듭니다. 본 논문은 에이전트의 실행 기록을 오프라인으로 학습하여 하네스를 자동으로 최적화하는 프레임워크 AutoSaddler를 제안합니다. 이를 통해 프롬프트, 도구 구성, 제어 로직 등을 자동으로 개선하여 에이전트의 신뢰성을 높일 수 있습니다.
On-Policy Self-Distillation in Diffusion Models
강화학습으로 디퓨전 모델을 인간 선호도에 맞게 조정할 때, 최종 결과물에 대한 보상만으로는 중간 노이즈 제거 과정을 효과적으로 안내하기 어렵습니다. 본 논문은 이미지 수준의 보상을 각 노이즈 제거 단계의 명시적인 목표로 변환하는 온-폴리시 자기 증류(On-Policy Self-Distillation) 프레임워크 DiffusionOPSD를 제안하여 생성 과정 전반에 걸쳐 더 구체적인 가이드를 제공합니다.
Hugging Face Blog
VBVR-Pro: A Scalable and Verifiable Suite for Native Visual Reasoning
VBVR-Pro는 시각적 생성을 단순히 입출력으로만 다루는 한계를 넘어, 생성 과정 자체를 문제 해결의 핵심으로 삼는 ‘네이티브 시각적 추론’을 위한 테스트베드입니다. 이 프레임워크는 확장 가능한 훈련 과제와 신뢰도 높은 피드백을 제공하여, 생성형 AI의 시각적 추론 능력을 체계적으로 발전시킬 수 있도록 돕습니다.
Code World Model: Coding Agent as World Brain
기존 월드 모델은 비디오를 통해 세상의 변화를 학습하지만, 변화의 근본적인 규칙이나 원리를 파악하는 데는 한계가 있었습니다. ‘코드 월드 모델(Code World Model)’은 세상의 변화 규칙을 코드로 분리하여 시뮬레이션하고 이를 시각적으로 구현하는 새로운 접근 방식을 제안하며, 이를 통해 더 일관성 있고 장기적인 가상 세계 시뮬레이션을 가능하게 합니다.
StreamPI: Streaming Multimodal Temporal Modeling for Vision-Language-Action Models
기존 VLA(Vision-Language-Action) 모델은 단일 프레임 기반으로 작동하여 과거 정보를 기억하거나 정밀한 공간을 인식하는 데 어려움이 있었습니다. StreamPI는 추가 파라미터 없이 기존 VLA 모델에 스트리밍 방식의 시계열 모델링 기능을 더하여 시간적 추론 능력을 부여하는 프레임워크로, 로봇이 과거의 관찰 내용을 유지하며 더 복잡하고 연속적인 작업을 수행할 수 있게 합니다.
토스 기술블로그
토스증권 추천과 검색은 어떻게 진화하고 있을까?
토스증권이 더욱 정교한 종목 추천과 검색 기능을 제공하기 위해 RAG 및 그래프 검색 기술을 도입한 과정을 소개합니다. 기존 추천 시스템의 한계를 넘어서고 사용자의 숨은 의도까지 파악하는 지능형 시스템을 구축하며 마주한 기술적 문제와 해결 노력을 상세히 설명합니다.
GitHub Trending
tt-a1i/archify
아키텍처, 워크플로우, 시퀀스 다이어그램 등을 아름답고 검증 가능하게 만들어주는 에이전트 기술입니다. 생성된 다이어그램은 애니메이션 효과가 포함된 단일 HTML 파일로 제공되며, 선명한 품질로 내보낼 수도 있습니다.
freestylefly/awesome-gpt-image-2
GPT-Image2를 위한 산업 수준의 프롬프트 엔진 및 템플릿 라이브러리입니다. 530개 이상의 실제 사례를 역공학하여 분석하고, 20가지가 넘는 전문 템플릿과 핵심 스킬을 추출하여 제공합니다.
anthropics/claude-plugins-official
AI 모델 개발사 앤스로픽(Anthropic)이 직접 관리하는 공식 클로드 코드 플러그인 디렉토리입니다. 이 저장소는 높은 품질이 검증된 플러그인들을 모아 제공하여 클로드의 기능을 확장하고 개발 생산성을 높일 수 있도록 돕습니다.
Alishahryar1/free-claude-code
터미널, 앱, IDE 등 다양한 환경에서 Claude Code, Codex 같은 여러 코드 생성 AI를 무료로 사용할 수 있게 해주는 도구입니다. 13억 개 이상의 무료 토큰을 제공하며, 음성 입력까지 지원하여 편리하게 코딩 작업을 보조받을 수 있습니다.
MadsLorentzen/ai-job-search
사용자의 컴퓨터에서 직접 실행되는 AI 기반 구직 자동화 프레임워크입니다. Claude Code를 활용하여 채용 공고 평가, 이력서 맞춤화, 자기소개서 작성, 면접 준비까지 구직의 전 과정을 돕습니다.
오늘의 키워드
Vision Agent LLM Chain-of-Thought Multimodal Retrieval Eval Prompt DPO Reasoning