heygen-com/hyperframes — HTML로 비디오를 렌더링하는 에이전트 툴
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Compile by Training: Turning Natural-Language Specifications into Local Neural Functions
자연어 명령을 로컬에서 실행 가능한 작은 신경망 함수로 변환하는 ‘학습을 통한 컴파일’ 방법을 제안합니다. 이 방식은 대규모 원격 모델을 반복적으로 호출하는 대신, 교사 모델이 생성한 데이터로 소형 모델을 학습시켜 비용과 지연 시간을 줄이고 특정 작업에 최적화된 재사용 가능한 함수를 만듭니다.
Random Attention: Rethinking KV Cache Eviction for Efficient Reasoning
LLM의 긴 추론 과정에서 발생하는 KV 캐시 메모리 병목 현상을 해결하기 위해 새로운 ‘무작위 어텐션(Random Attention)’ 기법을 제시합니다. 기존 방식들이 복잡한 점수 계산을 통해 중요한 토큰을 선별하려 했던 것과 달리, 이 방법은 프롬프트를 제외한 나머지 캐시를 각 어텐션 헤드 내에서 무작위로 제거하는 단순한 접근법만으로도 충분한 성능을 보임을 입증했습니다.
Knowing When Not to Reuse: Conditional Experience Transfer in Autonomous LLM Post-Training
LLM이 지속적으로 업데이트되는 자율적 사후 학습 과정에서, 과거의 학습 경험을 새로운 모델에 재사용할지 여부를 결정하는 문제를 다룹니다. 이 논문은 모델의 변화에 따라 과거 업데이트 경험의 유효성을 판단하고 조건부로 이전하는 방법을 제안하여, 비효율적인 재학습을 방지하고 진화하는 환경에 더 잘 적응하도록 돕습니다.
RoboTok: An Internet-Scale Data Engine for Human Demonstration Retrieval and Dexterous Manipulation Learning
로봇 학습에 필요한 방대하고 다양한 시연 데이터를 인터넷 영상에서 효율적으로 수집하는 데이터 엔진 ‘RoboTok’을 제안합니다. 이 시스템은 특정 인간의 손동작 영상이 주어지면 웹에서 유사한 동작 시연 영상을 검색하고, 이를 3D 손 궤적 기반의 잠재 공간 학습에 활용하여 정교한 로봇 조작 정책을 훈련시킵니다.
Bilevel Coordinated Reflection: A Game-Theoretic Approach to Multi-Agent LLM Systems
여러 LLM 에이전트가 협력하는 멀티 에이전트 시스템의 조정 및 개선 과정을 게임 이론에 기반한 ‘이중 조정 성찰(Bilevel Coordinated Reflection)’ 프레임워크로 분석합니다. 이 모델은 오케스트레이터와 워커 에이전트 간의 상호작용을 이중 조정 게임으로 공식화하여, 팀의 협력, 피드백을 통한 개선, 외부 검증의 역할을 통합적으로 설명하는 이론적 기반을 제시합니다.
Hugging Face Blog
WorldSculpt: Generating Compositional Worlds from Grounded Videos
WorldSculpt는 수백 개의 객체가 복잡하게 얽힌 장면을 비디오로부터 3D로 재구성하는 기술입니다. 이 기술은 각 객체를 개별적인 메시로 분리하여 게임, AR/VR, 시뮬레이션 등 다양한 분야에서 활용할 수 있는 가상 세계를 생성하는 것을 목표로 합니다.
Don't Drop Dropout: Optimizing Layer Sparsity for Efficient LLM Training and Inference
이 연구는 대규모 언어 모델(LLM) 학습에서 거의 사용되지 않게 된 ‘레이어 드롭아웃’ 기법의 중요성을 다시 조명합니다. 저자들은 드롭아웃이 성능을 저하한다는 기존의 인식이 불완전한 연구에 기반했음을 지적하며, 이를 최적화하여 LLM 학습 및 추론 효율을 높이는 방법을 제안합니다.
Ask Before You Optimize: Dynamic Pre-Formulation Clarification for Interactive Optimization
이 논문은 자연어 설명으로부터 최적화 모델을 생성하는 LLM이 불완전한 요구사항을 받았을 때의 문제점을 지적합니다. 연구팀은 LLM이 모델을 만들기 전에 스스로 부족한 정보를 파악하고 사용자에게 명확한 설명을 요청하는 능력을 평가하기 위한 새로운 벤치마크 ‘OR-Clarify’를 제안합니다.
토스 기술블로그
2. Beyond Our Expertise
토스 테크니컬 라이터들이 겪는 어려움과 전문성을 ‘todoc’이라는 제품으로 만들어낸 과정을 소개합니다. 이 제품 개발 경험을 통해 어떻게 그들의 전문성을 한 단계 더 발전시킬 수 있었는지에 대한 이야기를 담고 있습니다.
1. Creating a Role That Didn’t Exist Before
토스의 테크니컬 라이터가 기존에 없던 새로운 역할을 만들어온 과정을 설명합니다. 단순히 문서를 작성하는 것을 넘어, 조직 전체의 지식 시스템을 설계하는 역할로 어떻게 확장되었는지 알아볼 수 있습니다.
GitHub Trending
heygen-com/hyperframes
Hyperframes는 HTML 코드를 작성하여 비디오를 렌더링할 수 있게 해주는 도구입니다. 웹 개발자에게 익숙한 방식으로 AI 에이전트가 동영상을 생성하도록 설계되었습니다.
mksglu/context-mode
이 프로젝트는 AI 코딩 에이전트를 위한 컨텍스트 창 최적화 기술을 제공합니다. 도구 출력 샌드박싱으로 컨텍스트 크기를 크게 줄이고 세션 메모리를 유지하여 에이전트의 효율을 극대화합니다.
jo-inc/camofox-browser
Camofox는 AI 에이전트를 위해 설계된 스텔스 헤드리스 브라우저입니다. 클라우드플레어나 봇 탐지 기술을 우회하여 웹 데이터 수집을 원활하게 하며, Puppeteer나 Playwright를 바로 대체할 수 있습니다.
affaan-m/ECC
ECC는 AI 에이전트의 성능을 최적화하기 위한 시스템입니다. Claude Code, Codex와 같은 코드 생성 AI에 기술, 메모리, 보안 등의 기능을 통합하여 에이전트의 능력을 향상시키는 것을 목표로 합니다.
coreyhaines31/marketingskills
이 프로젝트는 AI 에이전트에게 마케팅 기술을 부여하기 위한 자료 모음입니다. 전환율 최적화(CRO), 카피라이팅, SEO 등 다양한 마케팅 분야의 전문 지식을 AI가 활용할 수 있도록 돕습니다.
오늘의 키워드
Reasoning Prompt LLM Eval Retrieval Agent Inference AI Coding AI Agent Claude