PyTorchKR🔥🇰🇷 🤔💭 이번 주 선정된 10편의 논문들을 살펴본 결과, 다음과 같은 주요한 연구 트렌드를 발견할 수 있었습니다: :one: 에이전트 작업 효율화를 위한 소형 언어 모델(SLM)의 전문화 및 협업: 이번 주 선정된 논문들에서는 복잡한 에이전트 시스템을 구동할 때 발생하는 막대한 비용을 줄이기 위해, 소형 모델을 적극적으로 활용하고 역할을 분담하는 연구가 두드러졌습니다. AgentBaton은 작업 진척도에 따라 고성능 모델과 효율적인 소형 모델 간의 전환 시점을 최적화하여 성능을 유지하면서도 비용을 획기적으로 절감했습니다. 또한 Terminus-4B와 도구 선택 관련 연구는 터미널 실행이나 도구 검색과 같이 범위가 좁은 특정 하위 작업에 맞게 소형 모델을 사후 학습하여 고비용의 프런티어 모델을 성공적으로 대체할 수 있음을 실증했습니다. 이는 거대 모델 하나에 모든 처리를 의존하던 기존 방식에서 벗어...

PyTorchKR🔥🇰🇷 🤔💭 이번 주 선정된 10편의 논문들을 살펴본 결과, 다음과 같은 주요한 연구 트렌드를 발견할 수 있었습니다: :one: 에이전트 하네스 최적화 및 자기 진화 구조의 발전: 이번 주 논문들에서는 에이전트가 도구를 사용하고 작업을 수행하는 기반인 하네스(Harness)를 최적화하고 스스로 진화시키는 연구들이 두드러졌습니다. Object-Oriented Harness는 객체 지향 설계를 도입해 다양한 작업에 특화된 하네스를 동적으로 생성하고 선택하는 프레임워크를 제안했습니다. 또한 Harness Scaling은 단일 고정 하네스에서 벗어나 다양한 실행 구성으로 강화학습을 확장하여 모델의 일반화 능력을 크게 향상시켰습니다. Are Self-Evolving Agents Continual Learners? 와 DiscoveryRSI 역시 에이전트가 경험을 바탕으로 스스로 프롬프트나 워크플...

안녕하세요! 지난 10월 14일(수) 저녁, Open UP에서 PyTorchKR 테크 세미나(Physical AI)가 열렸습니다. 평일 저녁인데도 퇴근 후에 그리고 일과 후에 참석해 주신 분들, 발표를 준비해 주신 연사분들께 감사드립니다. 세미나에서 다룬 다섯 개 세션의 발표 자료를 공유 드리니, 현장에 오지 못하신 분들도 편하게 참고해 주세요. :link: 발표 자료 링크: CLICK 1. Sketching Physical AI in the Open: Classify, Curate, Contribute 김지호 | PyTorch Ambassador, PyTorchKR Maintainer 2. Human-centered Physical AI: Learning from Humans, Understanding Humans 조윤민 | 고려대학교 인공지능학과 박사과정 3. Physical AI를 위한...

발표를 듣기 위해 모인 KVCache Meetup Korea 참석자들. KVCache Meetup Korea 개요 지난 2026년 9월 30일 저녁, 서울 강남 드림플러스에서 KVCache Meetup Korea 행사가 진행되었습니다. PyTorchKR과 CXL 전문 스타트업 XCENA가 공동으로 주최하고, LMCache의 개발사 Tensormesh가 후원했습니다. 이번 행사는 대규모 언어 모델(LLM, Large Language Model)의 추론 과정에서 메모리 병목을 줄이는 방법과 경험을 나누는 자리였습니다. 이번 밋업의 주제는 KV 캐시(KV Cache)였습니다. KV 캐시는 모델이 앞서 처리한 토큰의 어텐션 키(Key)와 값(Value)을 저장해, 다음 토...

안녕하세요, PyTorchKR 여러분! 파운데이션 모델과 AI 에이전트를 연구·개발하는 **트릴리온랩스(Trillion Labs)**에서 TRILLION AGENT AI HACKATHON 2026 참가자를 모집합니다 🙌 이번 해커톤은 트릴리온랩스의 오픈소스 모델을 활용하는 두 가지 트랙으로 진행됩니다. 🤖 Track 1. AI 에이전트 개발 — Zoro-1 Arena Trillion Labs의 Decision Model을 활용해 상황을 판단하고 행동하는 AI 에이전트를 만듭니다. 게임 플레이어, 업무 도우미, 인터랙티브 캐릭터 등 자유로운 주제로 도전해보세요. ⚡ Track 2. OCR 추론 최적화 — GravityOCR GrandPrix GravityOCR의 인식 정확도를 유지하면서 추론 속도와 자원 효율성을 개선합니다. 커널 최적화부터 양자화, 배칭, 메모리 관리까지, 나만의 최적화 아이디어를 코드...

PyTorchKR🔥🇰🇷 🤔💭 :one: 에이전트 실행 환경(Harness)의 자동 진화 및 명시적 상태 관리: 이번 주 선정된 논문들에서는 AI 에이전트의 능력을 극대화하기 위해 모델 자체뿐만 아니라 실행 환경인 하네스(Harness) 를 고도화하는 연구가 두드러졌습니다. Harness^2 와 Harmony Harness는 단일 목표 최적화를 넘어 다양한 환경에 적응할 수 있도록 하네스를 다중 목표로 스스로 진화시키는 방법론을 제안했습니다. 또한 LongHarness는 무한 탐색이나 상태 표류 문제를 방지하기 위해 획득한 증거와 결론의 상호작용을 명시적으로 관리하는 상태 기반 아키텍처를 선보였습니다. 이는 에이전트가 복잡한 작업을 수행할 때 발생하는 혼란을 시스템적으로 통제하고, 자율적인 성능 향상을 이끌어내기 위한 필수적인 발전 방향입니다. :two: **개방형 환경에서의 장기 작업(Long-hori...

안녕하세요, PyTorchKR 여러분! (PyTorch Day Korea 2026 행사의 Gold Sponsor이신) NVIDIA에서 다음 달 초(11월 9일 ~ 10일)에 진행되는 AI Day Seoul 행사에 PyTorchKR 회원분들을 초대합니다! AI Day Seoul은 AI 기술의 최신 트렌드부터 실제 개발에 활용할 수 있는 기술과 도구 등을 한 자리에서 만나볼 수 있는 행사로, NVIDIA의 전문가와 다양한 분야의 산업 AI 적용 사례 등을 만나보실 수 있는 행사입니다. 특히, AI 에이전트를 직접 만들어 볼 수 있는 Build-a-Claw와 NVIDIA RTX Spark 체험, 기술 인증 시험, 전문가 Q&A 등의 세션 등도 준비되어 있습니다. 더 자세한 행사 정보는 아래 게시물에서 확인하실 수 있습니다: NVIDIA의 AI Day Seoul 행사에 참석하시는 분들께서는 아래 양식을 등록해주시기 바랍니다: 오늘 저녁 6시(1...

PyTorchKR🔥🇰🇷 🤔💭 이번 주 선정된 10편의 주요 논문들을 분석하면, 대규모 언어 모델 기반 에이전트의 실제 운영과 지속적 개선에 초점이 맞춰져 있음을 확인할 수 있습니다. 특히 에이전트의 핵심 아키텍처인 하네스(Harness)를 효율적으로 진화시키고, 생성된 결과물을 신뢰할 수 있게 검증하며, 다양한 입력 형식을 처리하는 방법론들이 집중적으로 제시되고 있음을 확인할 수 있었습니다: :one: 에이전트 '하네스(Harness)'의 진화와 구조적 최적화: 이번 주 연구들에서는 기저 언어 모델(LLM) 자체를 수정하는 대신, 에이전트의 도구 사용과 메모리를 관장하는 소프트웨어인 '하네스(Harness)'를 고도화하여 성능을 끌어올리는 흐름이 두드러졌습니다. ScholarEvolve는 최신 학술 논문을 에이전트가 직접 읽고 하네스 개선에 반영하는 평생 진화 프레임워크를 선보였고, **자기 개선 가지 혼합(Mixture...

PyTorchKR🔥🇰🇷 🤔💭 이번 주에 선정된 10편의 논문들을 종합해 본 결과, AI가 외부의 도움 없이 스스로 진화하고, 더욱 복잡하고 현실적인 환경에서 장기적인 문제를 주도적으로 해결해 나가는 방향으로 연구가 집중되고 있음을 확인할 수 있었습니다. 주요 트렌드 3가지는 다음과 같습니다. :one: 외부 의존도를 낮춘 자기 주도적 학습 및 피드백 내재화: 이번 주 논문들에서는 외부의 정답 데이터나 더 큰 교사 모델에 의존하는 대신, 모델 스스로 생성한 피드백을 통해 역량을 높이는 자기 개선 트렌드가 돋보입니다. RLTL;DR은 에이전트가 실패한 시도에서 스스로 요약된 통찰을 생성하고 이를 훈련에 내재화하여 기존 강화학습의 정체를 성공적으로 돌파했습니다. UniEvo-VL 역 멀티모달 모델이 자기 비판을 특권 정보로 활용해 스스로를 가르치는 프레임워크를 제안했으며, SkillGym은 인간의 문제 해결 워크플...

PyTorchKR🔥🇰🇷 🤔💭 이번 주에 선정된 논문들을 종합해 보면, AI 모델을 더욱 실용적이고 효율적인 시스템으로 발전시키기 위한 세 가지 연구 흐름을 확인할 수 있습니다: :one: 에이전트 하네스 최적화 및 자기개선의 고도화: 이번 주 선정된 논문들을 살펴보면, 대규모 언어 모델의 가중치 자체보다 에이전트를 둘러싼 프롬프트나 제어 흐름인 하네스를 최적화하여 성능을 극대화하는 연구가 돋보입니다. SoL-Pi와 RRSI는 에이전트의 재귀적 자기개선 과정을 정규화하고 자동화하여, 특정 작업에 과적합되는 현상을 방지하면서도 토큰 사용량과 구동 비용을 크게 절감했습니다. 또한 Harness-Zero는 외부 하네스에 의존하던 기존 에이전트의 한계를 넘어, 하네스가 유도하는 행동을 모델 내부 가중치로 증류시킴으로써 배포 시의 효율성과 자율성을 높였습니다. 이는 무작정 모델의 크기를 키우기보다, 에이전트의 시스템적...

🤖 파이토치 한국 사용자 모임 테크 세미나 (Physical AI) • 이벤트 신청 링크: AI가 화면 속 모델을 넘어 실제 물리 세계를 이해하고 움직이는 시대, 이번 PyTorchKR 테크 세미나에서는 Physical AI를 주제로 이야기를 나눕니다. 로보틱스, Human-centric AI, 오픈소스 등 다양한 영역에서 활동하고 있는 연사들과 함께 Physical AI와 관련된 연구와 기술, 그리고 실제 경험을 공유합니다. 이번 세미나에서는 PyTorchKR의 Awesome-Physical-AI 프로젝트 구성원들이 기능을 개발하며 마주한 문제와 해결 과정, 그리고 Physical AI 기술을 연구할 때 고려해야 할 점 등을 이야기합니다. 로보틱스 / Embodied AI / Physical AI / 오픈소스 분야가 궁금한 분이라면 누구나 환영합니다! 🌱 📅 일시 2026년 10월 14일(수) 19:00 \~ 2...

Jev 생태계 프로젝트 목록 소개 Jev는 TypeSafe AI가 공개한 첫 System One 모델입니다. 앱이 현재 상태와 타입이 정해진 질문을 보내면, Jev는 긴 문장 대신 선택지(Choice), 점수(Score), 참일 확률(Noul)처럼 코드가 바로 다룰 수 있는 결과를 돌려줍니다. 자세한 모델 설명은 TypeSafe 공식 문서와 PyTorchKR의 기존 Jev 소개 글에서 확인할 수 있습니다. Jev 공개 뒤 언어별 SDK부터 브라우저 조작, 코딩 에이전트, 검색, 게임, 평가 도구까지 여러 저장소가 등장했습니다. 아래 목록은 요청받은 GitHub 저장소 아홉 곳의 프로젝트 항목과 기계 판독용 카탈로그를 한데 모아, 같은 GitHub 저장소를 한 번만 남긴 결과입니다. 저장소 이름이 바뀌어도 GitHub 고유 ID가 같으면 중복으로 처리했습니다. 단, **아래 목록에 포함되었다고 해서, 코드 실행이나 성능, 보안이 검증되었다...

Decision 1.0과 Decision Studio 소개 vLLM Semantic Router 팀이 공개한 Decision 1.0 은 문장을 생성하는 대신, 애플리케이션이 제시한 선택지와 판단 기준에 대해 확률을 반환하는 6개 공개 가중치 모델입니다. 사용자는 같은 고객 문의를 두고 담당 부서를 고르거나, 환불 요청이 있는지 확인하거나, 긴급도를 매기는 질문을 각각 정의할 수 있습니다. 모델의 출력은 다음 처리 단계에서 사용할 수 있는 선택 결과와 확률 분포입니다. 기존 라우터의 개요는 PyTorchKR의 vLLM Semantic Router 소개 글에서도 볼 수 있습니다. 기존의 대형 언어 모델도 이런 판단을 문장이나 JSON으로...

PyTorchKR🔥🇰🇷 🤔💭 이번 주에 살펴본 10편의 논문들에서는 규칙 기반으로는 구현하기 어렵지만 자연어로는 쉽게 설명할 수 있는 텍스트 처리 함수를 비롯하여, 추론 효율성 극대화를 위한 '사전 컴파일' 및 '증류' 패러다임, 장기 작업 및 협업을 위한 에이전트 '구조(Scaffolding)'와 '기억'의 고도화, 현실적 상호작용을 반영한 '인간 중심 평가'와 '개인화'의 심층 분석에 대한 경향을 확인할 수 있습니다: :one: 추론 효율성 극대화를 위한 '사전 컴파일' 및 '증류' 패러다임: 이번 주 선정된 논문들에서는 대규모 언어 모델의 막대한 추론 비용과 지연 시간을 해결하기 위해, 무거운 탐색과 연산을 학습 단계로 옮기는 연구들이 돋보였습니다. Compile by Training 은 자연어 명세를 원격 모델 호출 대신 재사용 가능한 독립적인 로컬 신경망 함수로 변환하는 컴파일 방식을 제안했습...

Ternary Bonsai 2 27B 소개 PrismML이 Ternary Bonsai 2 27B 를 공개했습니다. 270억 파라미터급 멀티모달 언어 모델의 행렬 가중치를 $\{-1, 0, +1\}$ 세 값으로만 저장해서, FP16으로 53.80GB를 차지하던 언어 모델을 5.93GB 로 줄인 모델입니다. 20종 벤치마크 평균 83.9점으로 원본인 Qwen3.8-27B FP16의 85.4점 대비 98.2% 를 유지했고, 가중치는 Apache License 2.0으로 공개되었습니다. 이 모델이 어떤 맥락에서 나왔는지는 두 달 전 글에서 이미 다룬 적이 있습니다. PyTorchKR에서도 [Bonsai 27B: 노트북과 폰에...

대규모 모델 추론 시 병목은 어디에서 주로 발생할까요? 대규모 모델 추론 인프라의 메모리 병목에 대해서 고민해보셨던 실무자들라면, KVCache Meetup Korea와 함께 해주세요! 이번 KVCache Meetup은 추론 비용과 지연시간을 좌우하는 병목이 연산에서 메모리로 옮겨가고 있는 이 때, 어떻게 Cache를 관리할 것인지에 대한 고민과 경험을 나누는 자리입니다. 우리 파이토치 한국 사용자 모임(PyTorchKR)과 CXL 전문 스타트업 엑시나(XCENA)가 함께 주최하는 이번 행사에 함께 해주세요! SK Hynix, FuriosaAI, LMCache Lab에서 연사로 함께 참여하는 이번 Meetup에 대한 자세한 정보는 다음과 같습니다: 행사 개요 • 행사명: KV-Cache Meetup Korea • 일시: 2026년 9월 30일(수) 19:00 \~ 22:00 • 장소: 강남 드림플러스 (서울특별시...

PyTorchKR🔥🇰🇷 🤔💭 이번 주 선정된 10편의 논문들을 살펴본 결과, 실용적인 자원 최적화, 장기 자율 에이전트의 발전과 위험성, 그리고 멀티모달 추론의 구조화라는 세 가지 주요 트렌드를 도출할 수 있었습니다. 정리된 내용은 다음과 같습니다: :one: 성능을 넘어선 실용성: 연산 효율성 및 훈련/추론의 밀도 최적화: 이번 주 연구들에서는 모델의 무작정인 크기 확장보다는 연산 비용, 메모리 대역폭, 그리고 데이터 처리의 효율을 극대화하려는 실용적인 접근이 두드러졌습니다. Declarative Attention 은 모델이 스스로 집중해야 할 문맥을 선언하게 만들어 긴 문맥 처리 시 불필요한 캐시 탐색을 크게 줄였습니다. 추천 시스템 분야의 AMBER 는 방대한 사용자 상호작용 기록을 단일 이벤트 토큰으로 압축하여 처리 해상도와 연산 효율을 동시에 끌어올렸고, SDD 는 시계열 모델 사전학습 시 합성 데이...

PyTorchKR🔥🇰🇷 🤔💭 이번 주 선정된 논문들을 살펴본 결과, 다음과 같은 주요 트렌드를 확인할 수 있었습니다: :one: 단순 생성을 넘어서는 장기 지평 및 복잡한 과제 해결: 이번 주 선정된 논문들을 살펴보면, 대규모 언어 모델이 단발성 답변을 넘어서 장기간에 걸쳐 복잡한 작업을 수행하는 에이전트로 진화하고 있습니다. 예를 들어, 프라임 에이전트(Prime Agent) 와 하네스 오브 하네스(Harness-of-Harness) 는 코딩 에이전트가 사람의 개입 없이 오랜 시간 동안 소프트웨어를 자율적으로 개발하고 개선할 수 있는 작업 환경을 제안했습니다. 또한 렉-이볼브(RecEvolve) 는 추천 시스템의 아이디어 제안부터 코드 구현 및 평가까지의 연구 전체를 에이전트 시스템에 위임하여 모델 성능을 성공적으로 향상시켰습니다. 이는 인공지능이 복잡하고 호흡이 긴 과제를 독립적으로 완수하는 실질적인 시스...

내가 원하는 행사를 개최하거나, 참여할 수 있는 플랫폼 - 이벤터스

[2026/08/24 ~ 30] 이번 주에 살펴볼 만한 AI/ML 논문 모음 PyTorchKR🔥🇰🇷 🤔💭 이번 주 선정된 10편의 논문들을 살펴본 결과, 다음과 같은 3가지 공통된 내용을 찾아볼 수 있었습니다: :one: 단발성 실행을 넘어선 "지속적 지식 축적 및 구조화된 메모리": 이번 주 논문들에서는 AI 에이전트가 1회성 작업을 넘어 장기적이고 복잡한 환경에서 활동하기 위해 기억과 지식을 체계적으로 관리하는 방향이 두드러졌습니다. WikiSkill은 에이전트의 과거 실행 경험을 위키(Wiki) 형태의 영속적 지식 베이스로 축적하여 모델 간 전이가 가능한 스킬로 진화시켰습니다. 또한 Compaction Cliff(Knowledge Triage)는 장기 실행 에이전트의 메모리 압축 과정에서 필수적인 안전 규칙이 유실되는 현상을 막기 위해 정보 유형별로 보존 정책을 분리했으며, Life-Bench는 단순 개념...

MegaMemory 소개 코딩 에이전트를 며칠 이상 쓰다 보면 같은 작업을 반복하게 됩니다. 어제 세 시간 동안 인증 흐름을 읽고 어디를 고쳐야 하는지 파악해 두었는데, 오늘 새 세션을 열면 에이전트는 그 파일들을 처음 보는 것처럼 다시 읽습니다. 이 문제를 푸는 흔한 방향은 코드베이스를 미리 인덱싱해 두는 것이고, PyTorchKR 에도 CodeGraph나 codebase-memory-mcp처럼 코드를 그래프로 만들어 두는 도구가 소개된 적이 있습니다. 다만 함수와 파일의 호출 관계를 그린 그래프는 무엇이 무엇을 부르는지는 알려주지만, 왜 이 모듈이 이렇게 생겼는지, 지난주에 어떤 결정을 내렸는지는 담고 있지 않습니다. 이번에 소개할...

[2026/08/17 ~ 23] 이번 주에 살펴볼 만한 AI/ML 논문 모음 PyTorchKR🔥🇰🇷 🤔💭 이번 주에 선정된 10편의 논문들을 분석한 결과, AI 모델과 에이전트 시스템의 효율성, 추론 능력, 그리고 본질적 안전성을 향상시키기 위한 3가지 주요 트렌드를 발견할 수 있었습니다. 정리된 내용은 다음과 같습니다: :one: "에이전트 시스템의 고도화"를 향한 하네스(Harness) 및 궤적 최적화: 이번 주 논문들에서는 대규모 언어 모델이 단독으로 동작하는 것을 넘어, 도구와 제어 흐름을 관리하는 '하네스' 환경 내에서 에이전트를 통제하고 최적화하는 연구가 돋보였습니다. Agent Lightning v1.0은 하네스 내에서 동작하는 에이전트를 위한 분리형 강화학습 프레임워크를 제안하여 훈련 효율과 성능을 극대화했습니다. 또한 FinanceHarness는 금융 도메인에 특화된 워크플로와 엄격한 시점 기준...