Anthropic, Claude 공식 코드 플러그인 디렉토리 공개
· #AI #LLM #트렌드 #기술블로그
arXiv 논문
Cortex: Consolidating Context into Parametric Memory
LLM이 컨텍스트 정보를 활용하면 성능이 향상되지만, 컨텍스트가 사라지면 그 효과도 사라지는 문제가 있습니다. 이 연구는 생물학적 기억 공고화 과정에서 영감을 받아, 컨텍스트의 핵심 정보를 모델의 파라미터 자체에 내재화하는 ‘메모리 공고화(Memory Consolidation)’ 개념과 ‘Cortex’라는 새로운 기법을 제안합니다.
RuleTrek: Benchmarking Agentic Rule Reasoning in Complex Scenarios
LLM이 여러 파일에 흩어져 있는 정보를 바탕으로 복잡한 도메인별 규칙을 정확히 적용하는 데 어려움을 겪고 있습니다. 이 논문은 기존 벤치마크의 한계를 극복하기 위해, 에이전트가 복잡한 시나리오 속에서 규칙 기반 추론 능력을 얼마나 잘 발휘하는지 평가하는 새로운 멀티-도메인 벤치마크 ‘RuleTrek’을 제시합니다.
Many Right Answers, One Training Example: Removing Responder Noise from GRPO for LLM Recommenders
하나의 추천 요청에 여러 개의 정답이 가능한 데이터를 강화학습에 사용하면 비효율적인 노이즈가 발생합니다. 이 연구는 개별 답변이 아닌 ‘요청’ 자체에 집중하여 학습해야 한다고 주장하며, 가능한 모든 답변을 종합적으로 고려하여 학습 안정성을 높이는 새로운 방법론을 제안합니다.
Apertus 1.5: From Open Text Models to Open Multimodal Reasoners
소수 기업에 대한 LLM 인프라 의존도를 낮추기 위해, 완전한 개방형 모델의 필요성이 대두되고 있습니다. ‘Apertus 1.5’는 기존 텍스트 모델을 이미지와 오디오까지 이해하는 멀티모달 모델로 확장했으며, 공개 기관이 투명한 데이터로 구축한 대규모 오픈소스 모델의 가능성을 보여줍니다.
CLASHarness: Benchmarking Multi-Agent Conflict in Computer Use via a Controllable and Verifiable Generation Pipeline
기존 멀티-에이전트 시스템 벤치마크는 협력적인 환경만 가정하지만, 현실에서는 정보 불일치나 지시 충돌이 빈번하게 발생합니다. 이 연구는 에이전트가 모순된 정보를 검증하고 처리하는 능력을 평가하기 위해, 제어 가능하고 검증 가능한 충돌 상황을 생성하는 새로운 벤치마크 ‘CLASHarness’를 제안합니다.
Hugging Face Blog
Share the Symbol, Not the Vector: Training-Free Fact Communication Across Language Models
이종 언어 모델 간의 협업을 위해 별도의 미세조정 없이 소통하는 새로운 방법인 SYNC를 제안합니다. 이 기술은 벡터 대신 단어 인덱스 기반의 심볼을 공유함으로써, 서로 다른 아키텍처의 모델들이 효율적으로 사실 정보를 교환하도록 돕습니다.
Continuum Attention
Continuum Attention(CA)은 기존 트랜스포머의 불연속적인 키-값 조회 방식을 대체하는 새로운 인과적 어텐션 연산자입니다. 이 기술은 개별 토큰이 아닌 연속적인 메모리 곡선에 대한 적분을 통해 어텐션을 계산하여, 보다 정밀하고 효율적인 정보 처리를 가능하게 합니다.
Mitigating Video Hallucinations via Attention-Guided Representation Perturbation
비디오 LLM이 입력 영상과 무관한 내용을 생성하는 환각 현상을 완화하기 위한 새로운 기법을 제안합니다. 이 연구는 대조적 디코딩(Contrastive Decoding) 과정에서 어텐션 가중치를 활용해 모델의 시각적 표현을 교란시켜, 영상 정보에 대한 의존도를 능동적으로 제어함으로써 환각을 줄입니다.
토스 기술블로그
토스뱅크가 패키지를 관리하는 방식 #1: 패키지를 ESM으로만 제공하기로 했어요
토스뱅크는 ESM과 CJS 모듈을 함께 지원할 때 발생하는 상태 분리 및 타입 누락 문제를 해결하기 위해 패키지를 ESM으로만 제공하기로 결정했습니다. 이를 통해 코드의 일관성을 확보하고 잠재적인 오류를 방지하여 더 안정적인 개발 환경을 구축하고자 했습니다.
GitHub Trending
morluto/rea
rea는 AI 에이전트를 활용하여 모든 것을 리버스 엔지니어링하는 도구입니다. 이 프로젝트는 애플리케이션의 동작 방식 분석부터 네이티브 바이너리 파일의 심층 분석까지 광범위한 역공학 작업을 자동화합니다.
anthropics/claude-plugins-official
이 저장소는 앤트로픽(Anthropic)이 직접 관리하는 클로드(Claude) 공식 코드 플러그인 디렉토리입니다. 개발자들은 이곳에서 엄선된 고품질 플러그인을 찾아 클로드의 코드 생성 및 분석 능력을 확장할 수 있습니다.
K-Dense-AI/scientific-agent-skills
이 프로젝트는 모든 AI 에이전트를 AI 과학자로 변모시키는 과학 분야 에이전트 스킬 라이브러리입니다. 생물학, 화학, 의학 등 다양한 분야를 아우르는 177개의 검증된 스킬과 100개 이상의 과학 데이터베이스를 제공하여 복잡한 과학 연구를 자동화하도록 돕습니다.
ruvnet/ruflo
ruflo는 지능형 멀티 에이전트 시스템을 배포하고 자율적인 워크플로우를 조정하기 위한 에이전트 하네스입니다. 이 프레임워크는 여러 에이전트가 협력하는 스웜(swarm)을 구성하고, 적응형 메모리, 자가 학습, RAG 연동 등의 고급 기능을 통해 대화형 AI 시스템을 구축할 수 있게 합니다.
mksglu/context-mode
context-mode는 AI 코딩 에이전트의 컨텍스트 창(context window)을 최적화하기 위해 설계된 도구입니다. 이 프로젝트는 도구 출력 결과를 샌드박싱하여 컨텍스트 사용량을 크게 줄이고 세션 메모리를 유지하여 에이전트의 효율성을 높입니다.
AI Weekly
AI Weekly Issue #538: The FTC wants OpenAI's and Anthropic's safety incident records
미국 연방거래위원회(FTC)가 OpenAI와 Anthropic에 보안 사고 관련 기록을 요구하며 AI 기업에 대한 규제 감독이 강화되고 있습니다. 이와 동시에 메타는 AI 학습을 위한 데이터 수집 약관을 변경하고 Anthropic은 1.5조 달러 규모의 IPO를 논의하는 등, AI 업계의 사업적, 법적 환경이 빠르게 변화하고 있습니다.
오늘의 키워드
LLM Agent Benchmark Multimodal Vision Eval Fine-tuning Transformer Hallucination Claude