ponytail — 게으른 시니어 개발자처럼 생각하는 AI 에이전트
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Rethinking Latent Visual Reasoning: Grounding Latent Reasoning in Visual Evidence
멀티모달 LLM의 잠재 시각 추론(LVR)은 잠재 토큰을 사용해 중간 계산을 수행하지만, 이 과정이 직접 보이지 않아 감독이 어렵다는 문제가 있습니다. 이 연구는 잠재 토큰이 이미지 변화에 약하게 반응하는 ‘잠재 증거-신용 격차’를 발견하고, 잠재 추론 과정을 시각적 증거에 기반하도록 만들어 이 문제를 해결하는 방법을 제안합니다.
False Frontiers: Diagnosing and Mitigating Co-Cheating in Self-Evolving Search Agents
스스로 질문을 만들고 답하며 학습하는 자기 진화 검색 에이전트는 제안자와 해결사가 서로의 오류에 동의하며 함께 성능이 오르는 것처럼 보이는 ‘공동 치팅’ 문제에 빠질 수 있습니다. 이 현상은 내부 보상 점수는 오르지만 실제 정답률은 제자리인 결과로 이어지며, 본 연구는 이 문제를 진단하고 완화하기 위한 방안을 제시합니다.
EVOKE: Eliciting World Knowledge in Agents for Transferable Decision-Making
LLM 기반 에이전트는 새로운 환경에 대한 적응력이 떨어지는 문제를 겪으며, 이를 해결하기 위해 미래를 예측하도록 훈련시키는 기존 방식은 비용이 많이 듭니다. 이 연구는 사전 훈련 단계에서 LLM이 이미 내재한 세상 지식을 효과적으로 이끌어내는 EVOKE라는 방법을 제안하여, 추가 훈련 없이도 처음 보는 환경에서 의사결정 능력을 향상시킵니다.
LANTERN: Illuminating Hidden Mathematical Knowledge in Language Models
언어 모델이 수학 정리를 증명할 수는 있지만, 아직 스스로 새로운 수학적 연관성을 발견하지는 못합니다. 이 연구는 사전 훈련된 모델의 내부 활성화 값을 분석하여 유망한 수학적 관계를 찾아내는 LANTERN 파이프라인을 개발했으며, 이를 정수 시퀀스 온라인 백과사전(OEIS)에 적용하여 그 가능성을 입증했습니다.
Unmask the State: When Does State Adaptation Matter for Masked Diffusion Language Models
마스크 확산 언어 모델(MDM)은 유연한 순서로 텍스트를 생성할 수 있어, 어떤 부분을 먼저 채울지 결정하는 ‘언마스킹 전략’이 추론 과정에서 매우 중요합니다. 이 연구는 생성 과정 중 언제 전략을 바꾸는 것이 더 유리해지는지를 분석하며, 상태 적응이 MDM의 추론 성능에 언제, 어떻게 영향을 미치는지 탐구합니다.
Hugging Face Blog
Scaling and Distilling Text Embeddings for Better Diffusibility
확산 언어 모델(DLM)의 성능을 높이기 위해 어떤 텍스트 임베딩이 가장 효과적인지 연구했습니다. 연구 결과, T5에서 T5Gemma로 이어지는 것처럼 동일 계열의 더 강력한 임베딩 모델을 사용할수록 생성 품질이 크게 향상되는 것을 발견했습니다.
Removing Timing Shortcuts Improves Non-Invasive Brain-to-Text
비침습적 뇌 신호로 텍스트를 해독하는 기존 연구의 높은 성능이 실제 뇌 데이터 없이도 재현될 수 있음을 발견했습니다. 이는 데이터 처리 과정에서 발생한 ‘시간적 지름길(timing shortcut)’ 때문이었으며, 이 문제를 해결해야 진정한 뇌-텍스트 변환 기술의 발전을 이룰 수 있다고 주장합니다.
JevSpawn: Adaptive Agentic Inference through Compositional Action Spaces
LLM 에이전트가 토큰 단위로 느리게 작동하는 문제를 해결하기 위해 JevSpawn이라는 새로운 프레임워크를 제안합니다. JevSpawn은 자연어 지시문으로부터 행동 공간을 동적으로 구성하여, 기존 모델의 속도와 LLM의 유연성을 결합함으로써 빠르고 적응적인 추론을 가능하게 합니다.
무신사 기술블로그
로그가 서비스를 죽였다
서비스 상태를 관찰하기 위해 기록한 로그가 오히려 시스템 전체를 멈추는 장애를 일으킨 사례를 소개합니다. 해당 장애는 동기 방식 로깅으로 인해 스레드 병목 현상이 발생한 것이 원인이었으며, 저자는 간단한 커스텀 Appender를 개발하여 비동기 로깅으로 전환함으로써 문제를 해결한 경험을 공유합니다.
GitHub Trending
DietrichGebert/ponytail
이 프로젝트는 AI 에이전트가 마치 ‘게으른 시니어 개발자’처럼 생각하고 행동하도록 만듭니다. 불필요한 코드를 작성하지 않는 것이 최고의 코드라는 철학을 바탕으로, 가장 효율적인 해결책을 찾도록 유도합니다.
mattpocock/skills
유명 개발자 Matt Pocock이 실제 엔지니어를 위해 만든 AI 에이전트용 스킬 모음입니다. 자신의 .agents 디렉토리에서 직접 가져온 실용적인 설정과 능력들을 공유하여 다른 개발자들이 AI 에이전트의 성능을 향상시킬 수 있도록 돕습니다.
NVIDIA/OpenShell
NVIDIA가 개발한 OpenShell은 자율적으로 동작하는 AI 에이전트를 위한 안전하고 프라이빗한 런타임 환경입니다. 이를 통해 개발자들은 보안과 개인정보 보호를 강화하면서 AI 에이전트를 실행하고 관리할 수 있습니다.
mvschwarz/openrig
openrig는 Claude, Codex, Pi와 같은 여러 AI 모델을 활용하여 자신만의 에이전트 네트워크를 구축할 수 있게 해주는 프로젝트입니다. 각 에이전트에게 역할을 부여하고 컨텍스트를 공유하며 고유한 작업을 할당하여, 마치 하나의 팀처럼 협업하는 영속적인 시스템을 만들 수 있습니다.
mksglu/context-mode
context-mode는 AI 코딩 에이전트의 컨텍스트 창(Context window)을 최적화하기 위한 도구입니다. 도구의 출력 결과를 샌드박스 환경에서 처리하여 컨텍스트 사용량을 크게 줄이고 세션 메모리를 유지하며, 여러 플랫폼 간의 라우팅을 관리하여 에이전트의 효율을 극대화합니다.
오늘의 키워드
LLM Grounding CoT Agent Inference AI Agent Claude Claude Code AI Coding