Google Research의 TimesFM, 시계열 예측 파운데이션 모델
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
StudentSim: Training LLM-based Student Simulators
AI 튜터가 학생에게 맞춤형 교육을 제공하려면 어떤 방식이 효과적인지에 대한 데이터가 필요하지만, 이를 수집하기는 어렵고 비용이 많이 듭니다. 이 문제를 해결하기 위해 LLM 기반 학생 시뮬레이터를 훈련하는 새로운 방법을 제안하며, 이 시뮬레이터는 기존 모델의 한계를 극복하여 학생의 행동과 역량을 더 정확하게 모방합니다.
Qwen-Drive-1.0: An Initial Step towards a Vision-Language Foundation Model for Autonomous Driving
자율주행을 위한 비전-언어 파운데이션 모델인 Qwen-Drive-1.0은 3D 인식, 시각적 질의응답, 주행 경로 계획을 단일 프레임워크 안에 통합했습니다. 이 모델은 외부의 조감도(BEV) 인식 헤드를 통해 3D 객체 탐지 및 맵 분할과 같은 복잡한 작업을 동시에 수행하여 자율주행 기술의 새로운 가능성을 제시합니다.
DreamX-Creator: Democratizing Native Audio-Video Generation at 2K Resolution
기존 영상 생성 모델들은 소리를 별도로 처리하여 시각적 움직임과 음향 간의 상호작용을 제대로 반영하지 못하는 한계가 있었습니다. 이를 해결하기 위해 2K 고해상도 영상과 음향을 동시에 생성하는 DreamX-Creator 1.0을 개발했으며, 이 시스템은 텍스트 프롬프트와 첫 프레임을 기반으로 오디오와 비디오 스트림을 함께 처리하여 더욱 자연스러운 결과물을 만들어냅니다.
SMELT: Scaling Laws for Compute-Matched MoE Looped Transformers
Looped Transformer는 동일한 레이어 블록을 반복하여 모델의 깊이를 늘리지만, 기존 연구들은 연산량(FLOPs)을 제대로 통제하지 않아 구조적 이점을 명확히 평가하기 어려웠습니다. 본 연구는 연산량과 파라미터를 동일하게 맞춘 환경에서 MoE Transformer의 반복 구조를 분석하고, 중간 레이어들을 두 번 반복하는 SMELT라는 효율적인 아키텍처를 제안합니다.
UI-Venus-2 Technical Report
멀티모달 GUI 에이전트는 디지털 작업 자동화에 유망하지만, 제한적인 환경 지원과 불안정성 때문에 실제 애플리케이션에 적용하기는 어려운 과제가 있었습니다. 이 문제를 해결하기 위해 모바일, 웹, 데스크톱 환경을 모두 지원하는 범용 GUI 에이전트 UI-Venus-2를 개발했으며, 이는 통합된 추론-행동 프레임워크를 통해 실제 환경에서 더 안정적으로 작동하도록 설계되었습니다.
Hugging Face Blog
StudentSim: Training LLM-based Student Simulators
AI 튜터의 효과를 높이려면 개인화된 데이터가 필요하지만 수집이 어렵다는 문제가 있습니다. 이 연구는 LLM 기반의 학생 시뮬레이터 ‘StudentSim’을 훈련시켜, 실제 학생과 유사한 상호작용 데이터를 생성함으로써 기존 시뮬레이션 방식의 한계를 극복하는 방법을 제시합니다.
From Production Traffic to Post-Training: Building a Self-Hosted LLM That Covers the Corporate Request Mix
기업이 데이터 보안을 위해 여러 LLM을 자체 호스팅하면 GPU 자원이 비효율적으로 분산됩니다. 이 문제를 해결하기 위해 실제 운영 환경의 트래픽과 오류를 분석하여 명령어 추종, 함수 호출 등의 성능을 개선하고, 200개 이상의 내부 애플리케이션 요청을 단일 모델로 통합하는 방안을 제안합니다.
Uncovering Understanding-Generation Synergy in Native Unified Multimodal Models: From Representation, Task to System
시각적 이해와 생성을 동시에 수행하는 통합 멀티모달 모델(UMM)에서 두 기능이 서로 시너지를 내는지 분석했습니다. 연구 결과, 이해와 생성 작업은 서로의 성능을 저해하지 않고 오히려 유용한 신호를 주고받으며 긍정적인 상호작용을 하는 것으로 나타났습니다.
GitHub Trending
google-research/timesfm
TimesFM은 구글 리서치가 개발한 시계열 예측용 파운데이션 모델입니다. 사전 학습된 이 모델은 다양한 시계열 데이터의 미래 값을 예측하는 데 특화되어 있습니다.
DietrichGebert/ponytail
AI 에이전트가 마치 경험은 많지만 게으른 시니어 개발자처럼 생각하게 만드는 프로젝트입니다. 불필요한 코드를 작성하지 않고 가장 효율적인 방식으로 문제를 해결하도록 유도하는 개발 철학을 담고 있습니다.
sngyai/Sequoia-X
중국 A주 시장을 위한 자동 주식 추천 시스템입니다. 다양한 기술적 분석 패턴을 자동으로 스캔하여, 장 마감 후 분석 결과를 페이슈(Feishu) 메신저로 전송해 줍니다.
superlinked/sie
AI 에이전트가 필요로 하는 모든 모델을 지원하는 오픈소스 추론 서버 및 프로덕션 클러스터입니다. 이를 통해 여러 AI 모델을 실제 서비스 환경에서 효율적으로 배포하고 운영할 수 있습니다.
Imbad0202/academic-research-skills
AI 모델 클로드(Claude)를 활용하여 학술 연구 역량을 향상시키는 방법을 다루는 프로젝트입니다. 자료 조사부터 초고 작성, 검토, 수정, 최종 원고 완성에 이르는 체계적인 연구 과정을 안내합니다.
오늘의 키워드
LLM Vision Audio Prompt MoE Eval Multimodal RAG Agent Benchmark