이 작성자와 연결된 문서를 한곳에서 모아보고, 관련 태그를 따라 같은 맥락의 문서를 이어서 탐색할 수 있습니다.
자주 함께 등장한 태그
AprielGuard는 현대 LLM의 안전 위험과 프롬프트 주입·탈옥·메모리 오염 등 적대적 공격을 통합적으로 감지하도록 설계된 8B 안전·보안 가드레일 모델이다.
이 글은 GPT OSS를 에이전트형 강화학습의 백본 모델로 활용하기 위해 verl 기반 PPO 학습에서 발견한 온폴리시 불일치, 훈련·추론 불일치, attention sink 미지원 문제를 단계적으로 진단하고 수정한 실험 회고다.
웨이포인트 1은 텍스트·마우스·키보드 입력을 매 프레임 반영해 실시간으로 상호작용 가능한 세계를 생성하는 오버월드의 비디오 확산 모델이다.
DIFF V2는 같은 GQA 그룹의 두 쿼리 헤드 출력을 토큰·헤드별 계수로 차감해, 키·값 헤드와 표준 어텐션 커널을 그대로 유지하면서 디코딩 효율, 학습 안정성, 표현 자유도, 출력 투영의 매개변수 효율을 함께 개선한 구조다.
Nemotron Personas India는 인도의 실제 인구·지역·문화 분포를 바탕으로 2,100만 개의 합성 페르소나를 제공해, 개인정보 위험 없이 인도 맞춤형 다국어 AI 개발과 평가를 지원하는 공개 데이터셋이다.
CFM 사례는 금융 뉴스 NER에서 대형 LLM을 직접 쓰기보다 LLM으로 라벨을 만들고 검수한 뒤 소형 모델을 미세조정하면 정확도와 비용 효율을 함께 개선할 수 있음을 보여준다.
코히어가 허깅페이스 허브의 추론 제공자로 합류하면서 기업용 언어·검색·다국어·멀티모달 모델 9종을 웹 화면과 여러 클라이언트 라이브러리에서 서버리스 방식으로 사용할 수 있게 됐다.
MiniMax M2는 벤치마크 성능과 현실적 유용성을 함께 추구하면서, 도구 종류의 확대보다 전체 에이전트 실행 과정에서 발생하는 변화와 교란에 적응하는 능력을 일반화의 핵심으로 삼았다.
중국의 오픈소스 인공지능 생태계는 딥시크 이후 최고 성능의 단일 모델보다 전문가 혼합 구조, 다중양식, 소형 모델, 허용적 라이선스, 자국산 하드웨어와 배포 도구를 결합한 지속 가능한 시스템 구축으로 경쟁의 중심을 옮기고 있다.
트랜스포머스 버전 5는 토크나이저의 구조와 학습된 어휘를 분리하고 내부 구성과 클래스 계층을 명확히 해, 토큰화를 더 쉽게 분석·변경·학습할 수 있도록 재설계한다.
CUGA는 복잡한 웹·API 작업을 수행하는 오픈소스 구성형 범용 AI 에이전트로, Hugging Face Spaces와 Langflow 통합을 통해 실험과 배포 장벽을 낮추려는 프로젝트입니다.
태빌리는 단순한 에이전트 구조, 선별된 문맥, 제한된 도구, 실패 중심의 설계를 결합해 토큰 소비를 66% 줄이면서 딥리서치 벤치에서 최고 수준의 성과를 달성했다.
NVIDIA는 CES 2026에서 DGX Spark와 Reachy Mini를 활용해 오픈 모델, 에이전트 프레임워크, 음성·비전·로봇 제어를 결합한 개인형 물리 에이전트 구현 과정을 소개했다.
llama.cpp 서버의 라우터 모드는 재시작 없이 여러 GGUF 모델을 검색·적재·전환·해제하고, 요청의 모델 지정에 따라 독립 프로세스로 실행되는 모델에 트래픽을 전달합니다.
DeepMath는 Qwen3 4B Thinking 기반의 경량 수학 추론 에이전트로, 긴 사고 과정을 짧은 파이썬 실행 단계로 대체하고 GRPO 학습을 통해 더 간결하고 정확한 수학 풀이를 목표로 한다.
Transformers v5는 폭발적으로 커진 AI 생태계의 기준 모델 정의 라이브러리로 남기 위해 단순성, 훈련, 추론, 프로덕션 연동, 양자화를 중심으로 구조를 재정비한 릴리스다.
마이크로소프트와 허깅페이스는 1만 개 이상의 검증된 공개 모델을 애저 AI 파운드리에서 간편하고 안전하게 배포할 수 있도록 협력을 확대했습니다.
OVHcloud가 Hugging Face Inference Provider로 추가되어 사용자는 Hub와 Python·JavaScript SDK에서 다양한 오픈 웨이트 모델을 OVHcloud의 서버리스 추론 환경으로 호출할 수 있게 됐다.
딥시크 R1은 기술·도입·심리적 장벽을 낮춰 중국의 개방형 인공지능 생태계를 확장하고, 세계 경쟁의 중심을 개별 모델 성능에서 시스템·응용·생태계 역량으로 이동시킨 전환점이었다.
AnyLanguageModel은 Apple 플랫폼에서 로컬 모델과 클라우드 LLM을 하나의 Swift API로 다루게 해 통합 부담을 줄이려는 패키지다.
허깅페이스의 kernels와 kernel builder를 이용해 AMD MI300X용 ROCm FP8 GEMM 커널을 재현 가능한 형태로 구성하고, 빌드 설정부터 PyTorch 네이티브 연산자 연결까지 구현하는 방법을 설명한 기술 안내서다.
허깅페이스와 구글 클라우드는 기업이 개방형 모델로 자체 AI를 더 빠르고 안전하게 구축·배포할 수 있도록 서비스 통합, 전송 인프라, 가속기 지원, 보안을 아우르는 전략적 협력을 확대한다.
허깅페이스는 멀티클라우드·쿠버네티스·로컬 개발·CI/CD에 흩어진 비밀정보 관리를 Infisical로 통합해 접근 통제와 감사·동기화를 표준화하면서도 대규모 운영에 필요한 수동 배포 통제권을 유지했다.
Apriel H1은 기존 150억 매개변수 추론 모델의 주의층을 단계적으로 맘바층으로 교체하면서, 일반 사전학습 데이터가 아니라 교사가 생성한 고품질 추론 궤적을 증류해 추론 품질을 거의 유지하고 처리량을 최대 2.1배 높인 하이브리드 모델이다.
