쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 4일 (수)까지 3898건
8건 · "컴퓨터 제어"조건 지우기 ×
001 18:11 ▲ 90 · 댓글 1 컴퓨터 제어 AI, 쌍중 개선 루프로 성능 대폭 향상 컴퓨터 사용 에이전트(CUA) 개발의 병목은 학습 데이터의 다양성·제어성·신뢰성 부족과 자체 경험에만 의존한 개선 방식의 한계였다. AI · 머신러닝 · CUA-Master: Scaling Computer-use Agents through Open-World Recursive Improvements
Key Point 컴퓨터 조작 AI가 현실 데이터의 다양성 부족을 극복하고 여러 벤치에서 경쟁력 있는 성능을 달성한 방법론이 공개됐다.
핵심 요약
컴퓨터 사용 에이전트(CUA) 개발의 병목은 학습 데이터의 다양성·제어성·신뢰성 부족과 자체 경험에만 의존한 개선 방식의 한계였다. CUA-Master는 두 겹의 재귀 개선 루프로 문제를 해결한다: 바깥쪽은 개방형 데이터와 모델의 약점을 피드백하는 '세계-데이터-모델' 사이클, 안쪽은 시드 작업 채굴과 자가촉매 전파로 다양한 학습 데이터를 생성한다. 시스템은 교육 영상에서 실제 작업 흐름을 추출한 뒤, 시각-의미론 이중경로 궤적 재구성으로 변환하고, 이를 재사용 가능한 기본 단위로 만들어 제어 가능한 합성 작업을 생성한다. 전체 요약 6문장 읽기 → 002 18:11 ▲ 27 · 댓글 1 컴퓨터 제어 AI, 실수 복구 능력 체계적으로 평가하기 키보드·마우스로 디지털 업무를 자동화하는 컴퓨터 제어 AI 에이전트는 긴 작업 흐름에서 오류가 쌓이고 의도하지 않은 부작용이 생기면서 실수에서 복구하는 능력이 중요해졌다. AI · 머신러닝 · Lost in Recovery: Demystifying Recovery Behavior of Computer-Use Agents via Goal-Oriented Action Replay
Key Point 컴퓨터 자동화 에이전트의 신뢰성을 높이는 핵심인 '오류 복구'를 처음 체계적으로 평가하고, 현재 AI 모델들이 자신의 복구 능력을 제대로 사용하지 못하고 있다는 실제 한계를 드러낸다.
핵심 요약
키보드·마우스로 디지털 업무를 자동화하는 컴퓨터 제어 AI 에이전트는 긴 작업 흐름에서 오류가 쌓이고 의도하지 않은 부작용이 생기면서 실수에서 복구하는 능력이 중요해졌다. 기존 복구 방식은 한계가 있다: 소유권이 있는 시스템은 환경 초기화가 불가능하고, 긴 작업 흐름에서 액션 재실행은 비용이 너무 크며, API 기반 되돌리기는 웹 환경에만 적용되므로 모델 기반 복구는 거의 연구되지 않았다. 연구팀은 ReTrace라는 평가 프레임워크를 제시해 컴퓨터 제어 에이전트의 복구 동작을 체계적으로 연구한다. 전체 요약 8문장 읽기 → 003 15:11 ▲ 30 · 댓글 1 대규모 경험으로 AI 컴퓨터 제어 에이전트를 강화하는 NorthCUA NorthCUA는 컴퓨터 제어 에이전트를 복잡한 소프트웨어 작업까지 확장하기 위한 통합 시스템이다. AI · 머신러닝 · NorthCUA Technical Report: Turbocharging Computer-Use Agents through Experience at Scale
Key Point 컴퓨터 제어 AI가 복잡한 소프트웨어 작업을 자동화할 수 있는 수준으로 도달하는 과정을 보여주며, 오픈소스 에이전트 개발의 새로운 기준을 제시한다.
핵심 요약
NorthCUA는 컴퓨터 제어 에이전트를 복잡한 소프트웨어 작업까지 확장하기 위한 통합 시스템이다. Experience Flywheel이 다양한 실행 가능한 작업을 공급하고, NorthCUA Harness가 장시간 상호작용을 유지하며 의사결정을 기록하고 작업 결과를 검증한다. Flywheel은 이러한 기록으로부터 검증된 궤적(trajectory)을 선별하고, 해결되지 않은 작업은 재귀적 자가개선을 통해 재사용 가능한 스킬을 진화시키면서 검증된 마일스톤을 보존해 이전 진행 과정을 바탕으로 한다. 전체 요약 7문장 읽기 → 004 21:11 당일 +111 로컬 AI 스튜디오 'Locally Uncensored' 3.0.8 공개 설치부터 실행까지 클릭 몇 번으로 진행되는 올인원 로컬 AI 앱으로, 윈도우·리눅스·안드로이드·맥(베타)을 지원하며 Docker나 터미널 없이도 작동한다. AI · 머신러닝 · PurpleDoubleD/locally-uncensored · TypeScript
Key Point Docker나 터미널 없이 데스크톱에서 채팅·이미지·영상·코딩을 한 앱으로 완전히 로컬에서 실행할 수 있는 통합 환경이 제공되므로, 클라우드 의존성을 피하려는 개발자와 사용자에게 변화를 가져온다.
핵심 요약
설치부터 실행까지 클릭 몇 번으로 진행되는 올인원 로컬 AI 앱으로, 윈도우·리눅스·안드로이드·맥(베타)을 지원하며 Docker나 터미널 없이도 작동한다. 채팅 모드에서 검열을 받지 않은 모델(Abliterated)을 제공하고, ComfyUI 통합으로 이미지·영상 생성, 코딩 에이전트, 음성 대화, 컴퓨터 제어 기능을 한 창에서 사용할 수 있다. 3.0.8에서 웹 검색을 5개 서비스에서 무료로 수행하고, 영상은 백그라운드 렌더링 중에도 채팅 계속 가능하며, 듀얼 그래픽카드 할당으로 채팅과 ComfyUI를 각각 GPU에 할당할 수 있다. 전체 요약 13문장 읽기 → 005 03:12 당일 +485 여러 AI를 한 곳에서 - OpenBot 데스크톱 앱 OpenBot은 로컬 우선 데스크톱 워크스페이스로, Codex, Claude, Grok, Cursor, Cline, Gemini, OpenCode 등 여러 AI 에이전트를 한곳에서 운영할 수 있다. AI · 머신러닝 · nightly-labs/openbot · TypeScript
Key Point 여러 AI 에이전트를 하나의 데스크톱 앱에서 관리·협업시킬 수 있는 새로운 워크플로우가 가능해진다.
핵심 요약
OpenBot은 로컬 우선 데스크톱 워크스페이스로, Codex, Claude, Grok, Cursor, Cline, Gemini, OpenCode 등 여러 AI 에이전트를 한곳에서 운영할 수 있다. 각 에이전트가 독립적인 워크스페이스와 대화 히스토리를 가지며, 로컬 메시지 큐, 파일 전송, 임베딩 브라우저, 에이전트 간 메시징을 제공한다. 개발 미리보기 단계이며 에이전트들이 기본적으로 무제한 접근 권한으로 실행되므로 신뢰할 수 있는 작업만 실행해야 한다. 전체 요약 10문장 읽기 → 006 21:10 당일 +233 Claude API로 앱 개발 빠르게 시작하는 실제 예제 모음 Claude API로 실전 애플리케이션을 빌드하는 개발자를 위한 빠른 시작 프로젝트 모음을 공개했다. AI · 머신러닝 · anthropics/claude-quickstarts · TypeScript
Key Point Claude의 최신 기능(컴퓨터 제어, 브라우저 자동화, Managed Agents)을 실제로 어떻게 구현하는지 즉시 참고할 수 있는 공식 예제가 나왔고, 비용 최적화부터 프로덕션 배포까지 패턴을 제시한다.
핵심 요약
Claude API로 실전 애플리케이션을 빌드하는 개발자를 위한 빠른 시작 프로젝트 모음을 공개했다. 고객 지원 에이전트, 금융 데이터 분석기, 자율 코딩 에이전트 등 기초 구조가 갖춰진 12개 프로젝트를 제공한다. 컴퓨터 제어와 브라우저 자동화 기능을 보여주는 데모와 베스트 프랙티스 구현이 포함되어 있으며, 프롬프트 캐싱·배치 도구 호출·비용 최적화 패턴을 시연한다. 전체 요약 7문장 읽기 → 007 18:33 ▲ 11 · 댓글 2 데스크톱 환경 기반 대규모 AI 에이전트 학습 데이터셋 DeskForge 공개 컴퓨터 제어 AI 에이전트가 복잡한 데스크톱 화면에서 정확히 액션 타겟을 찾도록 학습하는 것이 주 과제인데, 기존 학습 데이터는 밀집된 주석이나 다양한 시나리오가 부족하다. AI · 머신러닝 · DeskForge: Dense Supervision from Desktop Environments for Computer-Use Agents
Key Point 컴퓨터 화면에서 정확히 동작하는 AI 에이전트를 만들려는 개발자들이 활용할 수 있는 대규모 고품질 학습 데이터셋이 공개되었으며, 기존 모델들의 성능을 10%대 향상시키는 데 직접 기여하고 있다.
핵심 요약
컴퓨터 제어 AI 에이전트가 복잡한 데스크톱 화면에서 정확히 액션 타겟을 찾도록 학습하는 것이 주 과제인데, 기존 학습 데이터는 밀집된 주석이나 다양한 시나리오가 부족하다. DeskForge는 실제 애플리케이션들을 조합·제어하면서 자동으로 대규모 감독 신호를 생성하는 데스크톱 환경이며, 앱 상태·콘텐츠·창 배치·외관·해상도를 변화시키고 스크린샷과 접근성 트리·창 기하 정보를 융합해 밀집 요소 주석을 만든다. 이를 통해 DeskForge-1M이라는 1.2M 주석 데스크톱 관찰과 159.7M 요소 인스턴스로 이루어진 데이터셋을 구축했다. 전체 요약 7문장 읽기 → 008 18:35 ▲ 22 · 댓글 2 컴퓨터 제어 AI, 최종 결과만 아니라 '과정'으로 평가한다 기존 OSWorld는 컴퓨터 제어 에이전트(CUA)가 생성한 최종 결과만 평가하는 방식으로, 어느 단계에서 어떤 방식으로 실패했는지 파악하기 어려웠다. AI · 머신러닝 · OSWorld-Pro: Process-based Evaluation for Computer Use Agents
Key Point 컴퓨터 제어 AI의 성능을 정확히 측정하려면 최종 결과뿐 아니라 각 단계의 실패 원인을 파악해야 하는데, 이 벤치마크가 그 해법을 제시한다.
핵심 요약
기존 OSWorld는 컴퓨터 제어 에이전트(CUA)가 생성한 최종 결과만 평가하는 방식으로, 어느 단계에서 어떤 방식으로 실패했는지 파악하기 어려웠다. 새로운 평가 벤치마크 OSWorld-Pro는 300개 이상의 작업에 포함된 2800개 이상의 세부 목표(서브골)를 설정하고, 6만 7000건 이상의 인간 주석을 수집했다. LLM 판사를 활용해 각 서브골의 완료 여부를 평가함으로써 에이전트가 순차적으로 연결된 목표들을 단계별로 어떻게 수행하는지 추적한다. 전체 요약 5문장 읽기 → 
