Paperclip — 업무용 AI 에이전트를 관리하는 오픈소스 앱
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Training Object Permanence in World Models
이 연구는 비디오 생성 모델과 같은 최신 월드 모델이 인간처럼 ‘객체 영속성’을 이해하는지 탐구합니다. 연구팀은 모델에 이 능력이 부족하다는 것을 발견하고, 이를 훈련시키기 위해 인지 과학에서 영감을 받은 WROP 데이터셋을 새롭게 제안합니다.
SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue
다자간 대화에서 기존 LLM은 누가 무슨 말을 했는지, 그리고 참여자 간의 관계를 기억하는 데 어려움을 겪습니다. 이 문제를 해결하기 위해, 본 연구는 각 화자를 중심으로 정보를 관리하는 새로운 메모리 시스템 ‘SpeakerMem-R1’을 제안하여 장기적인 그룹 대화의 이해도를 높입니다.
Your Transformer Can Hold Two Thoughts at Once: Evidence of Linear Superposition in LLMs
이 연구는 LLM의 트랜스포머 아키텍처가 본질적으로 선형적인 중첩 특성을 가지고 있음을 밝혀냈습니다. 이는 서로 다른 두 개의 입력값을 결합하면, 모델의 출력 역시 각 입력에 대한 개별적인 결과가 중첩된 형태로 나타난다는 것을 의미하며 훈련이 아닌 아키텍처 고유의 특징으로 보입니다.
Spatial-Interactor: Learning Spatial Reasoning through Interaction with the Observable Physical World
기존 비전-언어 모델(VLM)은 주로 정적인 이미지로 학습하여 동적인 물리 세계에서의 공간 추론 능력이 부족합니다. 이 한계를 극복하기 위해 ‘Spatial-Interactor’는 모델이 관찰 가능한 물리 세계와 직접 상호작용하며 공간의 변화를 학습하도록 하여 공간 추론 능력을 향상시키는 새로운 훈련 방법을 제안합니다.
HappyWorld-Bench
월드 모델을 제대로 평가하려면 생성된 세계의 품질뿐만 아니라, 에이전트가 상호작용할 때의 일관성과 반응성까지 종합적으로 측정해야 합니다. 이를 위해 본 연구는 6단계의 계층적 능력 프레임워크를 기반으로, 상호작용 과정에서 월드 모델의 신뢰성을 평가하는 새로운 벤치마크 ‘HappyWorld-Bench’를 제안합니다.
Hugging Face Blog
WanPE: Towards Cinematic Prompt Enhancement for Modern Text-to-Video Generation
WanPE는 텍스트-비디오 생성 모델을 위한 프롬프트 강화 모델로, 마치 영화감독처럼 시네마틱한 영상 제작을 돕습니다. 이 모델은 105만 개의 실제 비디오 데이터를 학습하여 액션, 카메라 움직임, 조명 등을 포함한 복잡한 멀티샷 시퀀스를 자동으로 계획하고 연출합니다.
Coding Agents for Generalized Task and Motion Planning Problems
이 연구는 복잡한 기하학적, 운동학적 제약 조건 때문에 해결하기 어려운 작업 및 모션 계획(TAMP) 문제를 코딩 에이전트를 활용하여 자동화하는 방법을 제안합니다. 기존 방식의 복잡한 엔지니어링 과정 없이, 코딩 에이전트가 문제의 규칙성을 파악하고 새로운 문제에 적용 가능한 일반화된 계획 코드를 직접 합성하도록 하여 TAMP 문제 해결의 효율성을 높입니다.
ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds
ExplorationBench는 AI 시스템이 알려진 지식을 넘어 새로운 가설을 세우고 실험하는 ‘탐색’ 능력을 측정하기 위해 제안된 새로운 벤치마크입니다. 이 벤치마크는 검증 가능한 가상 세계를 만들어, AI가 사전 훈련 데이터에 의존하지 않고 진정으로 새로운 발견을 해내는지 객관적으로 평가할 수 있는 환경을 제공합니다.
GitHub Trending
paperclipai/paperclip
Paperclip은 직장에서 AI 에이전트를 관리하고 운영하기 위해 만들어진 오픈소스 애플리케이션입니다. 사용자는 이 도구를 통해 여러 에이전트를 효율적으로 제어하며 업무 생산성을 향상시킬 수 있습니다.
anthropics/claude-plugins-official
이 저장소는 AI 기업 앤트로픽(Anthropic)이 공식적으로 관리하는 클로드(Claude)용 코드 플러그인 모음입니다. 개발자들은 이곳의 고품질 플러그인을 활용하여 클로드의 기능을 손쉽게 확장할 수 있습니다.
vectorize-io/hindsight
Hindsight는 스스로 학습하는 기능을 갖춘 AI 에이전트용 메모리 시스템입니다. 에이전트가 과거의 경험과 데이터를 바탕으로 더 나은 결정을 내릴 수 있도록 돕는 지능형 기억 장치 역할을 합니다.
mattpocock/skills
이 저장소는 실제 엔지니어를 위한 실용적인 기술과 노하우를 담고 있는 프로젝트입니다. 특히 AI 에이전트 개발 및 활용과 관련된 유용한 정보들을 제공하여 현업에서의 적용을 돕습니다.
dream-num/univer
Univer는 AI 에이전트가 다양한 오피스 문서를 다룰 수 있게 해주는 통합 솔루션입니다. 스프레드시트, 문서, 슬라이드, PDF 등 여러 포맷을 하나의 런타임에서 처리하여 복잡한 사무 자동화를 지원합니다.
오늘의 키워드
LLM Benchmark Vision LoRA Agent Eval Prompt Claude Claude Code AI Agent