대규모 언어 모델
모든 태그 보기
Microsoft Research의 'Textbooks Are All You Need'는 소형 코드 전용 LLM인 phi-1(1.3B 파라미터)을 중심으로, 대규모 모델·데이터 스케일 대신 '교재 품질(textbook-quality)'의 선별된 데이터와 소규모 합성 연습 데이터로도 우수한 코드 생성 성능을 달성할 수 있음을 실험으로 보여준다. 주요 결과(논문 초록과 본문 요약에 근거): phi-1은 1.3B 파라미터 모델로 HumanEval에서 50.6% pass@1, MBPP에서 55.5%를 보고하며, 사전학습용으로 약 6B 토큰(웹 필터링)과 1B 토큰 미만(합성 교재), 미세조정에 약 180M 토큰을 사용했다는 점이 핵심이다.
AgentsCAD는 Fused Deposition Modeling(FDM) 부품의 설계-제조(DFAM) 요구를 자동으로 진단하고 수정 제안을 생성하기 위해 기하학적 특징 인식과 다중 에이전트 LLM(reasoning agents)을 결합한 파이프라인을 제안합니다. 본 포스트는 arXiv의 초록 및 공개 메타데이터를 바탕으로 시스템 구조, 핵심 기법, 적용 사례(논문에 기재된 birdhouse 예제)를 기술적으로 요약하고, 제공된 증거에서 확인되지 않는 세부사항은 명확히 표기합니다.
본 글은 제공된 자료(2026-06-04 게시물)를 근거로 9개 주요 AI 에이전트(red-teaming) 도구의 비교와, 실무에서 유의할 핵심 질문들을 요약·분석합니다. 자료는 제품별 강점과 한계, 그리고 에이전트형 AI 테스트에서 중요한 네 가지 평가 축(보안·품질 통합, 에이전트 네이티브 여부, 취약점 대응 흐름, 제품 대 프로세스)을 중심으로 구성되어 있습니다. 제공된 원문은 도구별 설명과 제한점을 담고 있으나, 일부 구현 세부(예: 내부 아키텍처, 정확한 탐지율, 비용 데이터)는 공개 증거에 포함되어 있지 않으므로 그 점은 본문에서 명시합니다.
AISBF는 "OpenAI-호환 게이트웨이"를 중심으로 멀티 제공자 라우팅, 로컬 GPU 워커(=CoderAI), 회전(rotation)·페일오버(failover) 경로, 그리고 프라이버시·정책 제어를 결합하는 경량 제어면(control plane)입니다. 이 글은 공개 데모·문서(참고: 출처는 aisbf.cloud)에서 확인되는 기능과 운영상 고려사항을 기술적으로 요약하고, 구체 설계나 성능 수치는 원문에 명확히 제시되어 있지 않으므로 불확실한 부분을 명시하며 분석합니다.
AutoGPT 저장소의 README와 관련 문서 조각을 근거로, AutoGPT 플랫폼(autogpt_platform)의 주요 컴포넌트, 자가호스팅 절차, 개발자 도구(Forge, agbenchmark, CLI, 프론트엔드) 및 라이선스 포인트를 기술적으로 정리합니다. 원문은 저장소 README와 일부 문서에 분산되어 있어, 아래 설명 중 일부 세부는 제공된 증거 조각에 모두 포함되어 있지 않음을 명시합니다. 공식 문서(링크 제공)를 병행해서 확인하시기 바랍니다.
EAGLE-360(2026)은 360° 파노라마 환경에서의 능동적(embodied) 시각 탐색 문제를 다룬 논문으로, 기존 MLLM(멀티모달 LLM) 기반 접근이 파노라마의 연속적 위상과 심한 극축 왜곡(polar distortion)을 잘 포착하지 못해 목표 탐지 정확도가 낮아지는 문제를 지적합니다. 논문은 전역적(prior) 관점을 이용해 초기 검색 공간을 좁히고 점진적으로 지역(local) 수색으로 전환하는 "Global-to-Local" 전략과, 파노라마의 연속적인 좌표 위상을 다루기 위해 RoPE Rolling(좌표 이동형 positional encoding)을 적용한 모델 설계를 제안합니다. 또한 14,000+ 4K 파노라마와 70,000+ 라운드의 고품질 VQA 대화를 포함하는 대규모 EAGLE-360 데이터셋을 구축했다고 보고하며, Supervised Fine-Tuning(SFT)과 Group Relative Policy Optimization(GRPO)을 결합한 훈련 파이프라인을 통해 공간 추론과 도구 호출(tool-calling) 능력을 유도했다고 주장합니다.
Firecrawl은 리포지토리 문서에서 "The API to search, scrape, and interact with the web at scale"로 소개되는 웹 컨텍스트 API입니다. 공개(AGPL-3.0) 코드베이스와 별도로 호스티드 서비스를 제공하며, 검색(Search), 스크레이프(Scrape), 페이지 상호작용(Interact), 에이전트(Agent), 크롤(Crawl) 등 웹 데이터 수집 전형의 기능을 API/SDK 형태로 묶어 제공합니다. 리포지토리 문서에서 명시된 핵심 주장(예: "covers 96% of the web", "P95 latency of 3.4s")은 눈에 띄는 성능/범위 목표를 제시하지만, 해당 벤치마크의 상세 환경(측정 조건, 대상 사이트 집합 등)은 이 증거 팩에 완전하게 포함되어 있지 않습니다. 따라서 아래는 공개 문서 기반의 요약과 인프라 관점에서의 해석으로 구성합니다.
Forge는 자기 호스팅 LLM(로컬 또는 관리형 백엔드)에 대해 "도구 호출(tool-calling)"을 안전하고 일관되게 만들기 위한 신뢰성 계층입니다. 이 글은 공개된 README와 문서(프로젝트 구조, 프록시 동작, 워크플로우 러너, 평가 하니스 등)를 근거로 핵심 설계, 운영 모드, 그리고 실무 적용 시 고려해야 할 점을 정리합니다.
Gemini CLI는 터미널에서 직접 Gemini 모델을 호출할 수 있게 해주는 오픈소스 에이전트입니다. 공식 README/문서에 따르면 핵심 목적은 "prompt에서 모델까지의 가장 직접적인 경로"를 제공하는 것이며, 개발자 친화적인 터미널 퍼스트(terminal-first) 디자인, 내장 툴(파일 조작, 셸 명령, 웹 페치 등), MCP(Model Context Protocol)를 통한 확장성, 그리고 다양한 인증 옵션을 지원합니다. 이 글은 공개 문서(리포지토리 README 및 링크된 문서)를 근거로 워크플로우·인증·통합 패턴을 기술적으로 분석합니다.