labyradar

· 상태 degraded

핵심

dream-num/univer

AI 에이전트를 위한 오피스 통합 환경인 Univer 가 등장했습니다. 스프레드시트, 문서, 프레젠테이션 및 PDF 등 다양한 파일 형식을 하나의 런타임에서 처리할 수 있습니다.

gh_trending

Holo4: powering generalist computer-use agents

Holo4 는 범용 컴퓨터 사용 에이전트를 구동하는 기술로, 복잡한 UI 환경에서 인간처럼 작업을 수행할 수 있는 AI 의 진화를 보여줍니다.

hf_blog

On-Policy Self-Distillation for Multi-Turn Image Editing

반복적인 이미지 편집 과정에서 모델 성능 저하를 해결하기 위해 자체 생성된 불완전한 출력 데이터를 학습에 활용하는 새로운 자기 교정 프레임워크를 제안합니다. 훈련과 추론 시의 데이터 분포 차이를 해소하여 다중 턴 편집 정확도를 높입니다.

hf_papers

SMAT: Simple and Efficient Merge-Aware Training

여러 전문가 모델을 병합할 때 기존 훈련 방식의 한계를 극복하고 병합 후 성능을 보장하는 새로운 학습 전략을 제안합니다. 모델 업데이트를 재가중치하거나 제거하는 등 일반적인 병합 연산을 고려하여 효율성을 높입니다.

hf_papers

NanoForecast v0.5: Competitive Time Series Forecasting Through Training Pipeline Optimization

파라미터가 적은 초소형 예측 모델이 파이프라인 최적화만으로 거대 모델과 경쟁할 수 있음을 입증합니다. 손실 범위 처리 및 텐서 정렬 등의 기술적 수정을 통해 기존 아키텍처의 성능을 획기적으로 개선하고 시간 시계열 데이터셋에서 압도적인 정확도를 달성했습니다.

hf_papers

VisionHOPE: Visual Backbones as Self-Modifying Learning Systems

VisionHOPE 는 시각 백본을 입력에 따라 스스로 수정하는 학습 시스템으로 재정의하여, 기존 CNN 및 ViT 의 고정된 규칙 한계를 극복합니다. 이는 각 이미지 처리 시 적응성을 극대화하면서도 모델 내부의 진화적 메커니즘을 체계적으로 제어할 수 있는 새로운 패러다임을 제시하며 시각 컴퓨팅 분야의 핵심 기술로 주목받습니다.

hf_papers

🎲 탐험

IQuestLab/IQuest-Q1 · Hugging Face

IQuest-Q1 은 약 320B 파라미터를 가진 MoE 모델로 에이전트 코딩과 다단계 도구 사용을 지원합니다.

localllama

충남대병원, ‘헬스케어 Agentic AI 오케스트레이션 플랫폼 개발’ 과제 공동연구개발기관 선정 - 헬스미디어뉴스

충남대병원이 헬스케어 에이전트 AI 오케스트레이션 플랫폼 개발 과제를 공동 연구 기관으로 선정받았습니다. 복잡한 의료 데이터를 통합하고 여러 AI 에이전트를 조율하는 고도화된 기술은 미래 병원 운영의 핵심 인프라가 될 것으로 예상되며, 국내 최고 수준의 R&D 역량을 입증했습니다.

med_ai_ko