쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 11월 16일 (월)까지4683건
5건 · "그래프 구조"조건 지우기 ×
001▲ 107 · 댓글 52미국 국세청, 무료 세금신고 오픈소스 공개미국 국세청(IRS)이 운영하는 'Direct File'은 납세자가 연방 세금 신고를 무료로 전자 제출할 수 있는 서비스로, GitHub에 오픈소스로 공개되었다.오픈소스 · 도구 · US IRS free online tax filing open source repo (2025)

Key Point미국 정부가 공개한 오픈소스 세금신고 플랫폼의 기술 구조와 제약사항을 이해하는 데 필요하며, 정부 세무 시스템 개발에 활용할 수 있는 참고 자료이다.
핵심 요약
- 미국 국세청(IRS)이 운영하는 'Direct File'은 납세자가 연방 세금 신고를 무료로 전자 제출할 수 있는 서비스로, GitHub에 오픈소스로 공개되었다.
- 인터뷰 형식의 서비스로 모바일, 태블릿, 노트북, 데스크톱 모두에서 작동하며 영어와 스페인어를 지원한다.
- 세법을 평문 질문으로 변환해 납세자가 답변하면 표준 세무 양식으로 변환되어 IRS의 Modernized e-File(MeF) API로 전송된다.
전체 요약 10문장 읽기 → 002당일 +250초등 교육 커리큘럼을 구조화한 오픈 데이터셋 공개Marble이 초등·중학교 아동이 배우는 학습 내용을 체계화한 오픈 데이터셋을 공개했다.오픈소스 · 도구 · withmarbleapp/os-taxonomy · JavaScript

Key Point교육과정을 기계 판독 가능한 그래프 구조로 공개한 것은 EdTech 서비스, 학습 분석 도구, AI 튜터링 시스템 등을 만드는 개발자에게 기초 데이터로 쓸 수 있다는 점이 의미 있습니다.
핵심 요약
- Marble이 초등·중학교 아동이 배우는 학습 내용을 체계화한 오픈 데이터셋을 공개했다.
- 1,590개의 '마이크로 토픽'(하나의 배울 수 있는 단위)으로 분해했으며, 각각 명확한 설명과 숙달 기준을 담았다.
- 3,221개의 선행 학습 의존도 간선으로 구성한 방향 무순환 그래프이며, 각 간선은 '강함/약함' 태그와 이유를 포함한다.
전체 요약 9문장 읽기 → 003▲ 226 · 댓글 2기존 에이전트를 다중 모달로 확장하는 'Omni-IO Skills' 공개일반 목적의 AI 에이전트가 텍스트·이미지·오디오·비디오·문서·3D·코드 등 다양한 형식을 다루도록 설계된 Omni-IO Skills 프레임워크가 제안되었다.AI · 머신러닝 · Omni-IO Skills: Harnessing Your Agent Omni-Native

Key Point기존 강력한 에이전트 모델들이 특정 모달리티로 제한되는 문제를 추론 능력 손상 없이 해결하는 실질적인 방법론을 제시하여, 대규모 모델 재학습 없이 다중 모달 시스템 구축이 가능함을 입증했다.
핵심 요약
- 일반 목적의 AI 에이전트가 텍스트·이미지·오디오·비디오·문서·3D·코드 등 다양한 형식을 다루도록 설계된 Omni-IO Skills 프레임워크가 제안되었다.
- 기존 모델 업데이트 비용 없이 기존 에이전트(GPT-5.6 Sol, Claude Sonnet 5 등)에 플러그인처럼 장착되는 구조로, 27개의 Skills를 통해 7가지 모달리티와 이해·생성·추론·검색 4가지 능력군을 커버한다.
- Declare Execution Graphs라는 그래프 구조로 다중 에셋 워크플로우를 표현하고, 독립적인 작업을 병렬로 스케줄링하며 중간 결과물을 Persistent Asset Registry에 저장해 재사용한다.
전체 요약 6문장 읽기 → 004▲ 15 · 댓글 2LLM 에이전트의 작업 능력을 그래프로 최적화하는 기법 등장LLM 에이전트의 성능을 높이는 스킬(작업 능력)을 기존의 비구조적 텍스트 형태에서 그래프 구조로 표현하는 방식을 제안했다.AI · 머신러닝 · GraphSkillEvo: Evolutionary Optimization of Graph-Structured Agent Skills

Key PointLLM 기반 에이전트의 성능을 좌우하는 스킬 최적화 문제에서 구조화된 표현 방식과 효율적인 탐색 기법을 제시하므로, 에이전트 개발자에게 실무적 영향이 있다.
핵심 요약
- LLM 에이전트의 성능을 높이는 스킬(작업 능력)을 기존의 비구조적 텍스트 형태에서 그래프 구조로 표현하는 방식을 제안했다.
- 그래프 구조에서 각 노드는 실행 단계와 지시사항을 담고, 엣지는 단계 간 문맥 의존적 전이를 나타낸다.
- 기존 방식의 문제점인 명확한 워크플로우 부재와 높은 중복성을 해결하고, 자연어 스킬의 방대한 탐색 공간을 축소한다.
전체 요약 5문장 읽기 → 005당일 +660코드베이스를 지식 그래프로 변환하는 Graphify코드, 문서, PDF, 설정 파일 등을 쿼리 가능한 지식 그래프로 변환하는 도구로 Claude Code, Cursor 등 AI 코딩 어시스턴트에서 /graphify 명령으로 사용할 수 있다.AI · 머신러닝 · Graphify-Labs/graphify · Python

Key Point벡터 검색 없이 실제 그래프 구조로 코드베이스를 매핑하고 추론 과정을 추적할 수 있다는 점이 기존 의미 검색 방식과 다르며, 개발자들이 AI 어시스턴트에서 직접 코드 전체 구조를 이해하는 방식을 바꿀 수 있다.
핵심 요약
- 코드, 문서, PDF, 설정 파일 등을 쿼리 가능한 지식 그래프로 변환하는 도구로 Claude Code, Cursor 등 AI 코딩 어시스턴트에서 /graphify 명령으로 사용할 수 있다.
- tree-sitter 기반 AST 파싱으로 코드는 로컬에서 결정론적으로 처리되며 LLM을 사용하지 않고 기계에서 벗어나지 않는다.
- 각 연결은 명시적 추출(EXTRACTED) 또는 추론(INFERRED)으로 태그되어 원본에서 직접 읽은 것과 도출된 것을 구분할 수 있다.
전체 요약 6문장 읽기 →