001 12:11 ▲ 110 · 댓글 97 클로드 듀엣, 실제로 쓸 만한 AI 어시스턴트의 등장 Anthropic이 출시한 Claude Duet은 기존 AI 어시스턴트(Muse, Dot, NanoClaw 등)보다 실용적이라는 평가를 받고 있다. AI · 머신러닝 · Claude Duet is the first personal-assistant-type harness that feels useful
Key Point 실제 사용자가 기존 AI 어시스턴트들과 직접 비교하며 평가한 경험담으로, 속도·보안·인터페이스 측면에서 어떤 점이 달라졌는지 구체적으로 보여준다.
핵심 요약
Anthropic이 출시한 Claude Duet은 기존 AI 어시스턴트(Muse, Dot, NanoClaw 등)보다 실용적이라는 평가를 받고 있다. Opus 5.5 기반으로 구동되며 별도 튜닝을 통해 응답 속도를 크게 높였고, 사용자가 명령 사이에 대기하지 않아도 될 정도로 빠르다. 채널 기능으로 작업 흐름을 자동으로 정리하고 관리하며, Cmd-k로 채널 간 빠른 이동이 가능해 세션 추적 문제를 해결한다. 전체 요약 8문장 읽기 → 002 09:11 ▲ 107 · 댓글 39 마인크래프트에서 50개 AI 에이전트의 협력 생존 시뮬레이션 AI 얼라인먼트의 핵심 과제인 다중 에이전트 동역학을 연구하기 위해 Y Combinator와 Olam Labs가 마인크래프트와 Mindustry에서 에이전트 집단의 동작을 실험했다. AI · 머신러닝 · We ran AI agent swarms in Minecraft and Mindustry
Key Point AI 에이전트 집단이 인간과 유사한 정치·경제 조직(계층, 배급 체계, 규칙)을 자동 생성하며 협력하는 모습을 보여주어, 미래 멀티에이전트 시스템의 가능성과 위험성을 이해하는 데 직결된다.
핵심 요약
AI 얼라인먼트의 핵심 과제인 다중 에이전트 동역학을 연구하기 위해 Y Combinator와 Olam Labs가 마인크래프트와 Mindustry에서 에이전트 집단의 동작을 실험했다. 마인크래프트 실험(Civ50)에서 50개의 GPT-6.1 Sol 에이전트를 3시간 동안 '번영하는 문명 구축' 목표로 실행했다. 에이전트들은 처음 90초 안에 도달 가능한 모든 나무를 채취하는 행동을 보였고, 디렉토리 순서에 기초한 계층 구조가 형성되어 Ada가 사실상 지도자로 등장했다. 전체 요약 12문장 읽기 → 003 21:11 당일 +1,594 AI 모델 시스템 프롬프트 31개 모음 Claude, Gemini, Grok, DeepSeek, GLM, Kimi, Qwen 등 25개 이상 AI 모델을 대상으로 한 시스템 프롬프트, 페르소나 정의, 작업공간 정책, AGENTS.md 파일과 Ollama Modelfile을 포함한 31개 프롬프트를 모아놓은 저장소다. AI · 머신러닝 · togg53192-cmd/jailbreaks
Key Point AI 모델을 대상으로 지시어 계층 구조와 페르소나 프레이밍이 동작하는 방식을 체계적으로 정리한 자료로, 프롬프트 엔지니어링을 연구하거나 모델의 명령어 조작 취약점을 이해하려는 개발자에게 참고 자료가 된다.
핵심 요약
Claude, Gemini, Grok, DeepSeek, GLM, Kimi, Qwen 등 25개 이상 AI 모델을 대상으로 한 시스템 프롬프트, 페르소나 정의, 작업공간 정책, AGENTS.md 파일과 Ollama Modelfile을 포함한 31개 프롬프트를 모아놓은 저장소다. OpenCode Zen의 Big Pickle, Space Bunny, LongCat 같은 무료 스텔스 모델부터 Anthropic의 Claude, Google의 Gemini, xAI의 Grok 등 폐쇄형 최신 모델까지 다양한 범위를 커버한다. 각 프롬프트 파일은 완전하고 붙여넣기 가능한 형태로 제공되며, 요약이나 부분 발췌가 아닌 전체 시스템 프롬프트를 담고 있다. 전체 요약 8문장 읽기 → 004 21:11 ▲ 43 · 댓글 2 장편 비디오도 정확히 3D 복원하는 계층 포즈 그래프 딥러닝 모델로 짧은 비디오에서 카메라 움직임과 3D 기하를 정확히 추정할 수 있지만, 수천 개 프레임의 긴 영상은 계산량과 메모리 문제로 겹치는 청크(chunk) 단위로 나눠 처리해야 한다. AI · 머신러닝 · HiP3R: Hierarchical Pose Graphs for Long-Horizon 3D Reconstruction
Key Point 긴 비디오의 3D 복원에서 지역 최적화와 전역 일관성 사이의 근본적 트레이드오프를 계층 구조로 해결한 방법으로, 자율주행·로봇·공간 매핑 등 실제 응용에서 필요한 기술이다.
핵심 요약
딥러닝 모델로 짧은 비디오에서 카메라 움직임과 3D 기하를 정확히 추정할 수 있지만, 수천 개 프레임의 긴 영상은 계산량과 메모리 문제로 겹치는 청크(chunk) 단위로 나눠 처리해야 한다. 이 방식은 각 청크마다 독립적인 3D 복원을 만들어 좌표계가 일치하지 않고 카메라 위치가 중복으로 추정되는 문제가 발생한다. 인접한 청크와 멀리 떨어진 재방문 지점에서의 제약 조건을 전파해 전역 일관성을 맞춰야 하는데, 이는 포즈 그래프 최적화로 자연스럽게 해결된다. 전체 요약 6문장 읽기 → 005 18:11 ▲ 23 · 댓글 2 3D 씬 복원 속도·메모리 획기적으로 개선한 RLSplat Feed-forward 3D Gaussian Splatting(FF3DGS)은 이미지로부터 3D 씬을 한 번의 forward pass로 복원하는 기술로, 제한된 자원 하에서 동작해야 하는 애플리케이션에 적합하다. AI · 머신러닝 · RLSplat: Resource-Linear Budget Control for Feed-forward 3D Gaussian Splatting
Key Point 모바일이나 엣지 디바이스 같은 자원 제약 환경에서 3D 씬 복원의 실용성을 획기적으로 높이는 기술로, 기존 방식의 비효율성(고정적 오버헤드)을 근본적으로 해결했다.
핵심 요약
Feed-forward 3D Gaussian Splatting(FF3DGS)은 이미지로부터 3D 씬을 한 번의 forward pass로 복원하는 기술로, 제한된 자원 하에서 동작해야 하는 애플리케이션에 적합하다. 기존 예산 제어 FF3DGS 방식들은 추론 단계의 비용을 고려하지 않았는데, 목표한 개수의 가우시안 표현을 만들기 위해 먼저 밀집한 가우시안을 예측한 후 제거하거나 선택하기 때문에 예산과 무관하게 거의 일정한 지연 시간과 피크 메모리를 소비한다. 새로운 RLSplat 방식은 자원 선형 예산 제어 FF3DGS 프레임워크로, 가우시안 예산이 감소함에 따라 표현 크기, 추론 지연 시간, 피크 메모리가 모두 선형적으로 감소한다. 전체 요약 7문장 읽기 → 006 15:10 ▲ 138 · 댓글 41 전문가 업무용 오픈 모델 'Ultramarine 1 Flash' 공개 Paper Instruments가 금융, 법무, 컨설팅, 운영 업무에 특화한 오픈 모델 Ultramarine 1 Flash를 공개했다. AI · 머신러닝 · Ultramarine 1 Flash
Key Point 금융·법무·컨설팅 업무에 특화한 전문가용 모델이 기존 고가 모델 대비 60배 저렴하면서 경쟁 수준 성능을 제공함으로써 비용-성능 경계선을 재정의하고 있습니다.
핵심 요약
Paper Instruments가 금융, 법무, 컨설팅, 운영 업무에 특화한 오픈 모델 Ultramarine 1 Flash를 공개했다. Fable 수준의 성능을 제공하면서 비용은 60배 저렴하며, 작업당 $0.13의 가격대로 경쟁사 모델들을 앞선다. JobBench에서 62.9점(Gemini 3.8 Flash 60.6, DeepSeek V4.1 Flash 60.4, Claude Fable 5 57.4)으로 최고 성능을 기록했다. 전체 요약 9문장 읽기 → 007 18:11 ▲ 19 · 댓글 1 초해상화, 올바른 잠재공간에서 해결하다 고해상도 자연 이미지의 임베딩들은 잠재공간에서 다양체를 형성하며, 저화질 이미지는 이 다양체 바깥에 위치한다. AI · 머신러닝 · Super-Resolution in The Right Latent Space: A Frozen Vision-Foundation Substrate
Key Point DINOv3 비전 파운데이션 모델의 잠재공간이 기존 방식보다 초해상화 작업을 근본적으로 효과적으로 만드는 방법을 제시하여, 이미지 복원 파이프라인의 설계 원칙이 바뀔 수 있음을 보여준다.
핵심 요약
고해상도 자연 이미지의 임베딩들은 잠재공간에서 다양체를 형성하며, 저화질 이미지는 이 다양체 바깥에 위치한다. 기존 초해상화 방법들은 재구성 지향 또는 픽셀 공간에서 작동하는데, 이 공간들에서 저화질 이미지가 다양체에서 멀리 떨어져 있어 매핑이 어렵고 비용이 크다. 의미 정보가 부족한 공간에서 작동하면 심각한 할루시네이션이 발생하며, 화질 저하가 심할수록 이 문제는 악화된다. 전체 요약 9문장 읽기 → 008 03:11 당일 +353 Claude Code를 게임 스튜디오로 변신, 49개 AI 에이전트 시스템 Claude Code 세션을 49개의 전문화된 AI 에이전트로 구성된 게임 개발 스튜디오로 전환하는 오픈소스 템플릿을 공개했다. AI · 머신러닝 · Donchitos/Claude-Code-Game-Studios · Shell
Key Point AI 기반 게임 개발 도구인 Claude Code가 구조화된 팀 체계를 갖춰 솔로 개발자도 스튜디오 수준의 설계 검토·품질 관리·문서화를 자동으로 받을 수 있게 되었기 때문이다.
핵심 요약
Claude Code 세션을 49개의 전문화된 AI 에이전트로 구성된 게임 개발 스튜디오로 전환하는 오픈소스 템플릿을 공개했다. 감독·부서장·전문가 계층 구조로 조직되어 설계·프로그래밍·아트·오디오·내러티브·QA·프로덕션 분야를 담당하며, 각 에이전트는 정의된 책임과 에스컬레이션 경로를 가진다. 74개의 슬래시 명령 스킬로 게임 기획(`/brainstorm`), 설계 시스템(`/design-system`), 스토리 작성(`/create-stories`), 코드 리뷰(`/code-review`), QA(`/qa-plan`) 등 전체 개발 워크플로우를 지원한다. 전체 요약 9문장 읽기 → 009 15:11 ▲ 56 · 댓글 2 다중 플레이어 게임 세계를 효율적으로 생성하는 계층 통신 모델 다중 플레이어 인터랙티브 월드 모델은 여러 플레이어의 관점에서 공유 환경을 시뮬레이션해야 하지만, 플레이어 수가 증가할 때 강건한 생성을 유지하기 어렵다. AI · 머신러닝 · Multics: Generative Multi-Player World Model with Hierarchical Communication
Key Point 게임·메타버스 개발에서 많은 플레이어를 효율적으로 처리하는 영상 생성 기술의 확장성 문제를 푼 방법으로, 재학습 없이 여러 규모에 대응하고 계산 비용을 줄일 수 있다.
핵심 요약
다중 플레이어 인터랙티브 월드 모델은 여러 플레이어의 관점에서 공유 환경을 시뮬레이션해야 하지만, 플레이어 수가 증가할 때 강건한 생성을 유지하기 어렵다. 기존 방식(Solaris의 완전 연결 통신)은 플레이어 수에 따라 주의 비용이 이차적으로 증가하고, 중앙식 접근법(γ-World)은 공유 표현에서 무관한 이벤트 간 간섭 문제가 있다. Multics는 플레이어·그룹·전역 레벨에서 정보 교환을 구조화하는 계층 통신으로 이를 해결한다. 전체 요약 9문장 읽기 → 010 00:11 ▲ 12 · 댓글 2 이미지로 초고해상도 3D 메시 복원, 장면 크기 제약 없이 여러 각도 이미지로부터 장면 최적화 과정 없이 고품질 3D 메시를 복원하는 T3lescope 모델을 제시한다. AI · 머신러닝 · T3lescope: Arbitrary-Resolution High-Fidelity Generative Surface Reconstruction from Images
Key Point 멀티뷰 이미지에서 수십 미터 규모 실외 장면까지 일관되게 3D 메시를 복원할 수 있게 되어, 기존의 장면 분할로 인한 불일치 문제를 근본적으로 해결하는 기술이다.
핵심 요약
여러 각도 이미지로부터 장면 최적화 과정 없이 고품질 3D 메시를 복원하는 T3lescope 모델을 제시한다. 기존 최적화 기반 방법은 관찰이 부족하거나 표면이 광택·투명할 때 3D 사전지식이 부족해 실패한다. 생성 기반 방법은 3D 사전지식으로 미관찰 영역을 채우지만 고정된 해상도와 제한된 공간 범위에서만 작동한다. 전체 요약 9문장 읽기 → 011 06:11 ▲ 118 · 댓글 71 Valen의 새로운 빌림 검사기, 메모리 안전 재정의 Valen은 'Group Borrowing'이라는 새로운 빌림 검사 방식을 채택한 프로그래밍 언어로, Rust의 강력한 메모리 안전성과 참조 계수·가비지 컬렉션의 유연성을 결합하는 것을 목표로 한다. AI · 머신러닝 · Valen's Memory Safety: A New Kind of Borrow Checking
Key Point Rust의 엄격함과 다른 언어의 유연성을 모두 원하는 개발자들에게, Valen의 Group Borrowing이 어떻게 이 둘의 긴장을 해소하고 새로운 메모리 안전 패러다임을 제시하는지 이해할 수 있다.
핵심 요약
Valen은 'Group Borrowing'이라는 새로운 빌림 검사 방식을 채택한 프로그래밍 언어로, Rust의 강력한 메모리 안전성과 참조 계수·가비지 컬렉션의 유연성을 결합하는 것을 목표로 한다. 기존 Rust의 '공유-배타적 가변' 규칙을 '사용 후 해제 방지'로 완화하여, 같은 객체에 대한 여러 읽기-쓰기 참조를 컴파일 시점에 안전하게 허용한다. Valen의 핵심은 컴파일러가 각 참조가 가리키는 객체의 '경로'를 추적하는 것으로, 단순히 mutable/immutable 타입이 아니라 참조가 데이터 계층 구조 내 어느 부분을 가리키는지 정확히 기록한다. 전체 요약 9문장 읽기 → 012 21:11 당일 +113 Motrix 2 베타: 데스크톱·헤드리스 겸용 다운로드 매니저 Motrix Turbo(v2)는 Electron, React, TypeScript로 완전히 재작성된 풀스택 다운로드 매니저로, HTTP, FTP, BitTorrent, 마그넷 링크를 지원한다. 오픈소스 · 도구 · agalwood/Motrix · TypeScript
Key Point 데스크톱, CLI, 헤드리스 서버를 통합한 개방형 다운로드 매니저로, 플러그인 생태계와 다양한 배포판을 지원하는 성숙한 오픈소스 프로젝트의 주요 재설계 버전이 공개되었다.
핵심 요약
Motrix Turbo(v2)는 Electron, React, TypeScript로 완전히 재작성된 풀스택 다운로드 매니저로, HTTP, FTP, BitTorrent, 마그넷 링크를 지원한다. 다운로드 코어가 UI와 독립적으로 분리되어 있으며, 브라우저 확장·CLI·플러그인이 JSON-RPC 2.0 기반의 MDXP(Motrix Download eXchange Protocol) 오픈 프로토콜로 통신한다. 동일한 코어로 macOS/Windows/Linux 데스크톱 앱과 Node.js 또는 Docker 기반 헤드리스 서버 두 가지 방식으로 실행 가능하며, 헤드리스 서버는 NAS와 홈 서버용 웹 UI를 포함한다. 전체 요약 11문장 읽기 → 013 09:11 ▲ 124 · 댓글 43 DuckDB 2.0이 2~3배 빨라진 이유 DuckDB 2.0 알파가 출시됐으며, S3 쿼리, 깊은 계층 구조 처리, JSON 저장소에서 주요 성능 향상을 달성했다. 인프라 · 데브옵스 · Why DuckDB 2.0 is faster
Key Point S3 쿼리가 2~3배 빨라지고 깊은 계층 구조 처리는 100배 이상 빨라지는 등 실제 데이터 파이프라인의 병목을 직접 해결하는 기능들이 핵심이다.
핵심 요약
DuckDB 2.0 알파가 출시됐으며, S3 쿼리, 깊은 계층 구조 처리, JSON 저장소에서 주요 성능 향상을 달성했다. 비동기 I/O 기능: 별도 스레드 풀이 데이터를 미리 다운로드하면서 CPU와 네트워크를 동시에 활용하며, S3에서 2.2GB 파일 읽기가 18.8초에서 7.7초로 단축됐다. read_ahead_depth 설정(기본값 -1)으로 자동 활성화되며, 이전 동작으로 돌리려면 0으로 설정하면 된다. 전체 요약 12문장 읽기 → 014 18:35 ▲ 19 · 댓글 2 다중 매체 검색 결과를 선택적으로 압축하는 CANOPY 멀티모달 RAG는 텍스트, 표, 이미지, 비디오 등 다양한 매체를 검색하는데, 각 항목에서 얼마나 많은 맥락을 유지할지 결정하기 어려운 문제가 있다. AI · 머신러닝 · CANOPY: Adaptive-Granularity Evidence Compression for Multimodal RAG
Key Point 멀티모달 검색에서 압축 과정의 세분화 수준을 동적으로 조절함으로써 토큰 사용을 줄이면서도 답변 정확도를 지킬 수 있다는 점이 실무 적용에 중요하다.
핵심 요약
멀티모달 RAG는 텍스트, 표, 이미지, 비디오 등 다양한 매체를 검색하는데, 각 항목에서 얼마나 많은 맥락을 유지할지 결정하기 어려운 문제가 있다. 기존 압축 방식은 매체별로 다르게 동작하며, 이질적 항목 간에 적응형 세분화로 영역을 선택하는 공통 방식이 부족했다. CANOPY는 검색 결과를 계층 구조로 표현하고, 질문에 대해 학습된 인코더로 각 영역의 점수를 매긴 뒤, 부모 상대 정제(parent-relative refinement)로 다양한 세분화 수준의 여러 영역을 선택한다. 전체 요약 7문장 읽기 → 015 09:11 ▲ 54 · 댓글 2 에이전트 학습 효율 높이는 'X-Tree' 알고리즘 개발 멀티스텝 에이전트를 학습할 때 기존 방식은 모든 액션 토큰을 동등하게 취급해 반복되는 부분 절차를 놓쳤다. AI · 머신러닝 · X-Tree: Tokenizing Reusable Experience for Efficient Agent Generalization
Key Point 에이전트가 재사용 가능한 스킬을 가중치로 학습하면서 새로운 작업으로의 일반화 성능이 크게 향상되는 방식을 제시해, 멀티스텝 의사결정이 필요한 AI 시스템 개발에 실질적 개선을 가져온다.
핵심 요약
멀티스텝 에이전트를 학습할 때 기존 방식은 모든 액션 토큰을 동등하게 취급해 반복되는 부분 절차를 놓쳤다. 최근 에이전트들은 LLM이 문맥으로 작성한 스킬만 활용해 가중치에 반영되지 않아 새 상황에 일반화하지 못했다. 연구팀은 X-Tree(reusable eXperience tree) 기법으로 학습 데이터에서 계층 구조를 자동으로 복원했다. 전체 요약 9문장 읽기 → 016 18:11 ▲ 17 · 댓글 1 계층적 표현 학습으로 이미지 재구성 품질 향상 사전학습된 시각 표현은 이미지 생성에는 유용하지만 충실한 복원에 필요한 세부 사항을 완전히 보존하지 못한다. AI · 머신러닝 · HiRAE: Hierarchical Representation Autoencoding with Residual Budgets
Key Point 인코더 계층의 다중 정보를 효율적으로 활용해 이미지 복원 품질을 크게 높인 방법론으로, 복잡한 튜닝 없이 생성 모델과의 호환성을 유지하는 점이 실무적 가치가 있다.
핵심 요약
사전학습된 시각 표현은 이미지 생성에는 유용하지만 충실한 복원에 필요한 세부 사항을 완전히 보존하지 못한다. 인코더의 중간 계층들은 보완적인 시각 정보를 가지고 있으나 이들을 효과적으로 융합하면 모델링이 어려운 잠재 분포가 생성된다. 기존 융합 방식은 계층 선택의 경험적 튜닝이나 단계별 최적화가 필요해 설정 비용과 학습 복잡도가 높다. 전체 요약 8문장 읽기 → 017 21:11 당일 +477 벡터DB 없이 추론으로 문서를 읽는 RAG, PageIndex PageIndex는 벡터 인덱스 대신 계층 구조의 트리 인덱스를 만들고, LLM의 추론으로 그 트리를 탐색하는 벡터리스 RAG 엔진이다. AI · 머신러닝 · VectifyAI/PageIndex · Python
Key Point 벡터DB에 의존하지 않고 LLM의 추론으로 문서를 검색하는 새로운 RAG 방식이, 복잡한 전문 문서에서 기존 벡터 검색보다 훨씬 높은 정확도(98.7%)와 낮은 비용(2~16배 절감)을 달성했기 때문이다.
핵심 요약
PageIndex는 벡터 인덱스 대신 계층 구조의 트리 인덱스를 만들고, LLM의 추론으로 그 트리를 탐색하는 벡터리스 RAG 엔진이다. 벡터 RAG는 의미적 유사성으로 검색하지만, 유사성이 반드시 관련성을 의미하지 않는다. PageIndex는 문맥 이해, 도메인 전문성, 다단계 추론이 필요한 금융보고서나 법률 문서에서 더 정확한 관련 정보를 찾는다. 인덱싱은 문서마다 트리 구조를 생성하고, 검색은 LLM이 그 트리를 추론하며 탐색하는 두 단계로 진행된다. 전체 요약 12문장 읽기 → 018 12:11 ▲ 17 · 댓글 1 복합 질의를 위한 문서 집합 재순위화, 적응형 튜터링으로 개선 RAG와 깊이 있는 연구에서 문서 재순위화는 하류 모델이 받는 증거를 결정하는데, 기존 재순위화기는 관련성 매칭으로만 선택해 복잡한 정보 요구에 필요한 보완적·비중복 문서 집합을 구성하지 못했다. AI · 머신러닝 · AdaTutoRank: Learning to Rerank Document Sets via Adaptive Tutoring Optimization for RAG and Deep Research
Key Point 복잡한 정보 검색에서 단순한 관련성 매칭을 넘어 보완적이고 비중복적인 문서 집합을 구성해야 한다는 새로운 접근이 RAG 성능 개선에 직결된다.
핵심 요약
RAG와 깊이 있는 연구에서 문서 재순위화는 하류 모델이 받는 증거를 결정하는데, 기존 재순위화기는 관련성 매칭으로만 선택해 복잡한 정보 요구에 필요한 보완적·비중복 문서 집합을 구성하지 못했다. 기존 방식은 문서 집합을 평가할 때 하나의 스칼라 점수로 모든 문서를 동등하게 보상하므로 감독 신호가 희박해, 중복 문서도 집합이 잘 나오면 보상받고 결정적 문서도 집합이 못 나오면 페널티를 받아 신용 할당이 불명확했다. AdaTutoRank는 적응형 튜터링 최적화(ATO) 기법으로 훈련되는 집합 단위 재순위화기로, 9개 평가 기준을 3단계 계층 구조로 조직해 콜드 스타트용 은레이블·강화학습용 보상·증류용 힌트를 제공한다. 전체 요약 6문장 읽기 → 019 00:11 ▲ 100 · 댓글 30 수학 자동화를 위한 모바일 앱 'Mathy' 출시 수학 개념 학습이 아닌 자동화된 계산·공식 암기를 위한 무료 모바일 앱 Mathy를 개발자가 공개했다. 웹 · 프론트엔드 · Show HN: Make math automatic with Mathy
Key Point 수학 학습자가 직접 개발한 무료 자동화 연습 도구로, 기존 플래시카드의 불편함을 해결하고 개념 학습이 아닌 순수 숙련도 유지에만 초점을 맞춘 새로운 접근 방식을 보여준다.
핵심 요약
수학 개념 학습이 아닌 자동화된 계산·공식 암기를 위한 무료 모바일 앱 Mathy를 개발자가 공개했다. Math Academy의 학습자가 보충 학습 도구로 쓸 수 있도록 설계했으며, FSRS 간격 반복 알고리즘을 이용해 습득 상태에 따라 복습 일정을 자동으로 조정한다. 숙련도가 올라갈수록 복습 빈도가 줄어드는 구조로, 자동화 달성 후엔 주기적 유지만으로 충분하도록 한다. 전체 요약 12문장 읽기 → 020 18:11 ▲ 63 · 댓글 4 기업 문서 RAG를 위한 효율적 청킹 기법 D-RAC 공개 Hugging Face가 기업용 RAG 시스템을 위한 Document Retrieval-Aware Chunking(D-RAC) 기법을 발표했다. AI · 머신러닝 · Document Retrieval-Aware Chunking (D-RAC): Universal Retrieval-Aware Ingestion of Enterprise Documents via PDF Normalization and Multimodal Markdown Conversion
Key Point enterprise RAG 도입 시 문서 처리 비용과 속도가 실무상 가장 큰 병목이며, 이 기법이 정규화 단계에서 극적인 효율 개선을 달성했기 때문이다.
핵심 요약
Hugging Face가 기업용 RAG 시스템을 위한 Document Retrieval-Aware Chunking(D-RAC) 기법을 발표했다. 모든 문서 포맷을 PDF로 정규화한 뒤 멀티모달 LLM으로 단 한 번의 처리만으로 검색 최적화된 마크다운으로 변환한다. 표는 자체 포함 문장으로 재작성되고 제목 계층 구조가 보존되며, 청킹은 ID 기반 파싱과 경량 LLM 처리만 거친다. 전체 요약 6문장 읽기 → 021 18:11 ▲ 21 · 댓글 2 심리학 기반 역할극 AI, 인간다운 상호작용 구현 기존 LLM 페르소나는 단순한 설명에 의존해 장기 상호작용에서 캐릭터 일관성을 잃는 문제를 겪고 있다. AI · 머신러닝 · Deep Persona: A Psychologically Grounded Architecture and Evaluation Framework for Role-Playing Agents and Simulations
Key Point 역할극 AI의 인간성을 심리학으로 설계하고 평가하는 새로운 방법론을 제시하며, LLM의 구체적 한계를 규명해 향후 대화형 AI 개선 방향을 제시한다.
핵심 요약
기존 LLM 페르소나는 단순한 설명에 의존해 장기 상호작용에서 캐릭터 일관성을 잃는 문제를 겪고 있다. 심리학 원리 기반 3계층 구조인 '딥 페르소나'를 제안했으며, 겉으로 드러나는 표현·내재적 신념·핵심 동기의 위계로 조직된다. 내부 스크립트로 모델 동작을 제약하는 스크립트 결정론과 한정된 자율성 원칙을 적용했다. 전체 요약 6문장 읽기 → 022 21:11 당일 +873 일반 PC에서 744B 규모 대규모 언어모델 실행하는 C 엔진 공개 Colibrì는 순수 C와 의존성 없이 744B~2.8T 규모 MoE 모델을 일반 하드웨어에서 실행하는 추론 엔진이다. 오픈소스 · 도구 · JustVugg/colibri · C
Key Point 소유한 PC로 최대 2.8T 규모 모델을 실행할 수 있는 가능성을 보여주며, 하이퍼스케일러 하드웨어 의존성을 제거해 대규모 모델 접근성을 크게 낮춘다.
핵심 요약
Colibrì는 순수 C와 의존성 없이 744B~2.8T 규모 MoE 모델을 일반 하드웨어에서 실행하는 추론 엔진이다. VRAM, RAM, 디스크를 하나의 계층 구조로 취급해 제한된 고속 메모리에서도 모델 정확도를 유지하며 속도만 조절된다. GLM, Kimi, DeepSeek, Qwen 등 8개 모델 계열을 지원하며 각각 하나의 C 파일로 구현되어 동일한 인터페이스(coli chat/serve/web)를 사용한다. 전체 요약 5문장 읽기 → 
