labyradar

· 상태 degraded

핵심

affaan-m/ECC

Claude Code 등 주요 에이전트들의 성능 최적화 시스템을 제공하여, 메모리·보안 및 연구 기반 개발을 통해 AI 코딩의 한계를 극복합니다.

gh_trending

Zing-0.5: Toward Playable Worlds with Real-Time Joint Action and Text Control

실시간으로 생성되는 가상의 세계를 탐색하고 텍스트로 제어할 수 있는 'Zing-0.5'라는 새로운 월드 모델을 소개합니다. 키보드 입력과 텍스트 지시를 통합하여 이벤트 규모 단위의 감독 학습을 수행함으로써 사용자가 직접적으로 상호작용하며 게임을 즐길 수 있는 환경을 구현했습니다.

hf_papers

The Millennium Problems for Biology

생물학 분야의 밀레니엄 문제를 다루는 논의가 진행 중입니다. 이는 인공지능이 생물학적 난제를 해결하는 데 어떻게 기여할 수 있는지에 대한 근본적인 질문을 던지는 중요한 주제입니다.

hn_front

laya.cpp: Optimized laya near-instant decision making

Python 의존 없이 C++ 와 CUDA 커널을 활용한 Laya 모델 추론 엔진인 laya.cpp 가 공개되었습니다. 영어 및 다국어 체크포인트를 지원하며 오프라인 환경에서도 높은 결정 속도를 보여줍니다.

localllama

JEPA-Anything: Learning Predictive Models across Different Worlds

도메인 특화적이지 않은 'JEPA-Anything' 프레임워크를 통해 다양한 세계와 시스템에 대한 예측 모델을 학습하는 방법을 제시합니다. 직교적인 예측 인자 분해(OPF) 기법을 사용하여 서로 다른 도메인의 데이터를 통합적으로 처리하고 일반화된 지능을 구현할 수 있는 기반을 마련했습니다.

hf_papers

anthropics/claude-code

터미널 기반 에이전트 코딩 도구를 통해 복잡한 코드 설명과 Git 워크플로우를 자연어 명령으로 처리하는 혁신적인 개발 보조 도구입니다.

gh_trending

When EOS Tokens Disagree: Understanding Length Inflation in On-Policy Distillation

온폴리시 디스틸레이션 과정에서 학생 모델이 과도하게 긴 응답을 생성하는 '길이 팽창' 문제를 해결합니다. 기본 학습자와 후학습 교사가 사용하는 종료 토큰(EOS) 설정의 불일치가 주요 원인으로 지목되었으며, 이를 정렬하면 예산 소모 없이 효율적인 학습이 가능해집니다.

hf_papers

🎲 탐험

RetireOPD: Self-Retiring On-Policy Distillation for Agentic Reinforcement Learning

강화학습 기반 에이전트에서 자기 교정 방식인 오토폴리디스틸레이션의 한계를 해결하기 위해 제안된 새로운 기법입니다. 이 방법은 초기 단계와 후기 단계에 따라 교사 모델의 신뢰성을 동적으로 조절하여 효율적인 학습을 가능하게 합니다.

hf_papers

Fly brain vs jev

파리 뇌 신경망을 JEV(재귀적 시뮬레이션) 로 훈련하여 로컬 환경에서 실행하는 기술적 가능성을 논의합니다.

localllama