이 작성자와 연결된 문서를 한곳에서 모아보고, 관련 태그를 따라 같은 맥락의 문서를 이어서 탐색할 수 있습니다.
자주 함께 등장한 태그
Agentic Resource Discovery(ARD)는 에이전트가 도구·스킬·다른 에이전트를 미리 설치하지 않고도 실행 시점에 검색해 발견하도록 하는 공개 표준이며, Hugging Face는 이를 Discover Tool로 구현했습니다.
이 글은 Strands Robots가 LeRobot 데이터셋, 시뮬레이션, 정책 실행, 하드웨어 경로를 하나의 에이전트 루프로 묶어 Hugging Face Hub의 데모 데이터에서 실제 로봇 실행까지 이어지는 흐름을 설명한다.
GLM 5.2는 안정적인 100만 토큰 문맥, 강화된 코딩 성능, 효율적인 장문맥 구조와 서빙·강화학습 체계를 결합해 장시간 수행되는 복잡한 엔지니어링 작업을 겨냥한 공개형 주력 모델이다.
코히어가 에이전트형 소프트웨어 엔지니어링에 특화된 300억 매개변수 희소 전문가 혼합 모델 ‘노스 미니 코드’를 아파치 2.0 라이선스로 공개했다.
JetBrains는 텍스트·코드 워크로드의 저지연 추론을 겨냥해, 총 12B 파라미터 중 토큰당 2.5B만 활성화하는 Apache 2.0 라이선스의 MoE 모델 Mellum2를 공개했다.
GitHub Actions의 제어 흐름은 유지하면서 실제 CI 작업을 허깅페이스 잡스의 임시 CPU·GPU 러너에서 실행하면, 맞춤형 하드웨어와 컨테이너 이미지를 활용해 속도와 GPU 테스트 범위를 개선할 수 있다.
olmo eval은 완성된 모델의 일회성 점수 산출을 넘어, LLM 개발 중 반복되는 체크포인트 평가·벤치마크 구성·도구 사용 평가·결과 비교를 하나의 재현 가능한 워크벤치로 묶는 공개 평가 도구입니다.
이 글은 프로파일러 추적을 통해 nn.Linear의 전치·행렬곱·편향 처리가 실제로 어떻게 실행되는지 분석하고, 단일 선형 계층에서 GeGLU MLP의 다중 커널 구조로 관찰 범위를 확장한다.
이 글은 코딩 에이전트가 Hugging Face의 두 Gradio Space를 문서화된 호출 인터페이스로 연결해 파리 기념물 이미지를 만들고, 이를 3D Gaussian splat 갤러리로 변환·배포한 과정을 설명한다.
오픈엔브는 에이전트 실행 환경의 배포와 이용 방식을 표준화하는 상호운용 계층으로 역할을 명확히 하고, 공동 거버넌스를 통해 오픈소스 에이전트 강화학습의 공통 기반을 구축하려는 프로젝트다.
DeepSeek V4는 최고 벤치마크 점수보다 100만 토큰 문맥을 실제 에이전트 작업에서 감당하게 만드는 긴 문맥 효율, 도구 호출 지속성, 샌드박스 기반 학습 인프라에 초점을 둔 모델이다.
Hugging Face는 hf CLI를 사람과 코딩 에이전트가 모두 효율적으로 Hub를 다룰 수 있도록 재설계했고, 특히 복잡한 다단계 작업에서 에이전트의 토큰 사용과 실패를 줄인다고 설명한다.
DharmaOCR는 SFT 모델이 스스로 생성한 반복 퇴화 출력을 DPO의 거부 사례로 활용해, 구조화 OCR에서 모든 실험 모델군의 텍스트 퇴화율을 낮췄다.
Manifest V3 크롬 확장 프로그램에서 모델 실행과 상태 관리는 백그라운드 서비스 워커에 집중하고, 사이드 패널과 콘텐츠 스크립트는 각각 사용자 인터페이스와 웹페이지 조작에 전념하도록 구성하는 Transformers.js 구현 안내서다.
LeRobot v0.4.0은 대규모 데이터셋, 시뮬레이션, 데이터 처리, 분산 학습, 범용 로봇 정책, 하드웨어 플러그인을 하나의 개방형 로봇 학습 생태계로 확장한 릴리스다.
HCompany는 Holo3의 생산 환경 도입에서 드러난 환경·프레임워크·배포 방식의 차이를 해결하기 위해, 모바일 성능과 교차 하네스 지원, 로컬 추론용 양자화 체크포인트를 강화한 컴퓨터 사용 에이전트 모델군 Holo3.1을 공개했다.
파이토치의 행렬 곱셈·덧셈 예제를 통해 torch.profiler 설정법, 표와 실행 추적을 읽는 법, CPU 오버헤드와 GPU 연산 시간의 차이, 워밍업이 프로파일 결과에 미치는 영향을 단계적으로 설명한다.
Reachy Mini의 음성 대화 전 과정을 로컬에서 실행하도록 VAD·STT·LLM·TTS 계단식 파이프라인을 구축하고, 필요에 따라 각 구성 요소와 추론 방식을 교체하는 방법을 설명한 안내서다.
L2D는 독일 30개 도시의 운전학원 차량 60대에서 수집한 5,000시간 이상·90테라바이트 이상의 주행 기록을 자연어 지시, 미래 경로점, 차량 제어, 환경 정보와 결합한 대규모 오픈소스 자율주행 데이터셋이다.
미국 중심이던 인공지능 연산 생태계가 수출 통제, 중국산 칩의 성장, 개방형 모델과 연산 효율 기술의 확산을 계기로 중국을 포함한 다극적 하드웨어·소프트웨어 구조로 재편되고 있다.
이 글은 빠르게 변하는 AI 에이전트 분야에서 혼용되는 모델, 스캐폴딩, 하니스, 에이전트, 컨텍스트 엔지니어링, 정책, 도구, 스킬, 서브에이전트, RL 학습 용어를 실무적으로 구분해 설명한다.
이 글은 범용 임베딩 모델이 도메인 특유의 미묘한 차이를 놓칠 때, 합성 질의응답 생성·하드 네거티브 마이닝·멀티홉 학습·대조학습·BEIR 평가를 통해 하루 안에 도메인 특화 임베딩 모델로 미세조정하는 절차를 설명한다.
Ettin Reranker는 1,760만~10억 매개변수의 여섯 가지 교차 인코더로, 검색 속도와 재정렬 품질 사이에서 선택 가능한 장문 지원 모델군이다.
OlmoEarth v1.1은 위성영상 토큰의 해상도별 분리를 통합하고 사전학습 방식을 조정해 기존 성능을 대체로 유지하면서 연산 비용을 최대 3분의 1로 줄인 지구관측 모델 제품군이다.
