openrig — Claude와 Codex를 결합한 멀티 에이전트 시스템
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Training Object Permanence in World Models
인간의 핵심 인지 능력인 ‘사물 영속성’을 월드 모델에 학습시키는 연구입니다. 연구팀은 비디오 생성 모델이 사물 영속성을 스스로 터득했는지 확인하고, 그렇지 않다면 WROP라는 새로운 데이터셋을 통해 이 능력을 훈련시킬 수 있는지 탐구합니다.
SpeakerMem-R1: Speaker-Centered Dual-Track Memory for Multi-Party Dialogue
여러 사람이 참여하는 대화에서 기존 LLM은 누가 무슨 말을 했는지, 관계는 어떠한지 등 장기적인 맥락을 기억하는 데 어려움을 겪습니다. 이 문제를 해결하기 위해 본 연구는 화자 중심의 이중 트랙 메모리 시스템인 SpeakerMem-R1을 제안하여 다자간 대화의 이해도를 높입니다.
Your Transformer Can Hold Two Thoughts at Once: Evidence of Linear Superposition in LLMs
LLM이 복잡한 비선형 구조에도 불구하고 근본적으로 선형적인 특성을 보인다는 사실을 발견한 연구입니다. 서로 다른 텍스트 입력을 선형적으로 결합하면 모델의 출력 역시 각 개별 결과가 중첩된 형태로 나타나며, 이는 훈련의 결과가 아닌 트랜스포머 아키텍처 고유의 속성으로 보입니다.
Spatial-Interactor: Learning Spatial Reasoning through Interaction with the Observable Physical World
기존 비전-언어 모델(VLM)이 부족했던 동적 환경에서의 공간 추론 능력을 향상시키는 연구입니다. 이 연구는 모델이 물리 세계와 상호작용하며 객체의 움직임이나 시점 변화를 학습하는 ‘Spatial-Interactor’ 방법론을 제안하여 VLM이 실제 세계에서 더 잘 행동하도록 돕습니다.
HappyWorld-Bench
월드 모델을 평가하기 위한 새로운 종합 벤치마크인 HappyWorld-Bench를 소개합니다. 이 벤치마크는 단순히 생성된 세계의 품질뿐만 아니라, 에이전트가 그 세계와 상호작용할 때 일관성과 반응성을 유지하는지까지 평가하여 모델의 신뢰성을 다각도로 측정합니다.
Hugging Face Blog
WanPE: Towards Cinematic Prompt Enhancement for Modern Text-to-Video Generation
WanPE는 최신 텍스트-비디오 생성 모델을 위해 프롬프트를 영화 시나리오 수준으로 향상시키는 397B 파라미터의 거대 모델입니다. 105만 개의 실제 비디오 데이터로 학습하여, 사용자가 입력한 단순한 텍스트를 액션, 카메라 움직임, 조명 등을 포함한 정교한 연출 계획으로 자동 변환해 줍니다.
ExplorationBench: Measuring AI Systems' Exploration in Verifiable Alien Worlds
ExplorationBench는 AI 시스템이 미지의 영역을 탐사하고 새로운 가설을 발견하는 능력을 측정하기 위한 새로운 벤치마크입니다. 이 벤치마크는 검증 가능한 규칙을 가진 가상의 ‘외계 세계’를 제공하여, AI가 사전 학습 데이터에 의존하지 않고 진정한 탐사 능력을 발휘했는지 객관적으로 평가할 수 있게 합니다.
Coding Agents for Generalized Task and Motion Planning Problems
이 연구는 복잡한 물리적 제약 조건 때문에 해결이 어려운 TAMP(Task and Motion Planning) 문제를 코딩 에이전트를 활용해 자동화하는 방법을 제안합니다. 기존에는 전문가의 수작업이 많이 필요했던 일반화된 TAMP 문제 해결 과정을, AI가 직접 코드를 생성하여 새로운 문제에 대한 계획 수립을 효율적으로 처리하도록 합니다.
GitHub Trending
paperclipai/paperclip
Paperclip은 업무 환경에서 AI 에이전트를 관리하기 위한 오픈소스 애플리케이션입니다. 이 도구를 사용하면 여러 에이전트를 효율적으로 조직하고 운영하여 AI 기반의 업무 자동화를 손쉽게 구축할 수 있습니다.
vectorize-io/hindsight
Hindsight는 스스로 학습하는 AI 에이전트용 메모리 시스템입니다. 이 기술을 통해 에이전트는 과거의 경험과 상호작용을 기억하고 학습하여, 시간이 지남에 따라 더욱 정확하고 효율적인 작업을 수행할 수 있게 됩니다.
rohitg00/ai-engineering-from-scratch
‘ai-engineering-from-scratch’는 AI 엔지니어링의 모든 과정을 기초부터 배울 수 있는 학습 자료입니다. 이론 학습부터 실제 서비스 구축 및 배포까지 전 과정을 다루어, 실무적인 AI 개발 역량을 키울 수 있도록 돕습니다.
mvschwarz/openrig
Openrig는 여러 AI 에이전트를 하나로 묶어주는 멀티 에이전트 시스템입니다. 특히 Claude Code와 Codex 모델을 결합하여 마치 하나의 시스템처럼 함께 작동하게 만들어, 코드 생성과 같은 복잡한 작업을 더욱 강력하게 수행합니다.
dream-num/univer
Univer는 AI 에이전트를 위한 오피스 도구 통합 환경입니다. 스프레드시트, 문서, 슬라이드, PDF 등 다양한 오피스 문서를 하나의 런타임에서 처리할 수 있게 하여, AI가 복잡한 사무 업무를 자동화하도록 지원합니다.
오늘의 키워드
LLM Benchmark Vision LoRA Agent Eval Prompt Claude Claude Code AI Agent