labyradar

· 상태 degraded

핵심

google/ax

구글에서 공개한 AI 에이전트 오케스트레이션을 위한 런타임 환경입니다.

gh_trending

UltraTex: Unleashing 2K Multi-View Diffusion for 3D Texturing

고해상도 (2K) 다중 뷰 확산 모델을 통해 고품질 텍스처 생성의 한계를 극복합니다. 기존 저해상도 모델이 고주파 디테일을 유지하지 못하는 문제를 해결하여, 계산 비용과 지연 시간을 줄이지 않고도 3D 자산 제작에 필요한 정밀한 이미지 가이드 텍스트어링을 실현하는 효율적인 엔드투엔드 아키텍처를 제시합니다.

hf_papers

CARE: Experience-Guided Atomic Corrective Execution for Vision-Language-Action Policies

시각 언어 행동 정책이 실행 중 예상치 못한 오류에 취약한 문제를 해결하기 위한 'CARE' 프레임워크를 제안합니다. 수동적 교정 대신 실제 실패 사례에서 데이터를 수집하고 모델링하여 대표적 실패 상태를 합성하며 이를 통해 로봇의 회복 능력을 학습시킵니다. 이러한 경험 기반 접근법은 정책이 편향된 궤도에서도 안정적으로 작업을 수행할 수 있도록 돕습니다.

hf_papers

Dynamic Quantiser - a way to make your own high quality dynamic quants

llama.cpp 호환 .gguf 파일을 사용하여 데이터 없이도 고품질 동적 양자화를 자동으로 생성하는 새로운 도구가 소개되었습니다. 기존 표준 양자화보다 정확도가 높고 코사인 편차를 최소화하여 모델 성능을 최적화하며 오픈소스로 무료로 제공되어 개발자와 연구자에게 유용한 자원이 될 것입니다.

localllama

Advisory Group on Mathematics and Artificial Intelligence

Open AI 가 수학 및 인공지능 전문가들로 구성된 독립 자문단을 구성하여 새로운 연구 결과의 검토와 소통을 이끌고 있습니다. 이는 기술 발전과 안전성을 동시에 확보하기 위한 조치입니다.

openai

How V7 gives AI agents institutional memory

V7 모델이 GPT 기반 에이전트에게 기관의 기억력을 부여하여 복잡한 작업을 수행할 수 있도록 문서와 컨텍스트를 통합하는 방식을 소개합니다.

openai

🎲 탐험

Grounded Action Model: 3D Grounding as a Foundation for Robotics

로봇 기초 모델에 필수적인 3D 공간적 위치 파악 능력을 명시적으로 학습하도록 하는 새로운 패러다임인 'Grounded Action Model'을 제안합니다. 언어 명령이나 점/박스 프롬프트를 객체 중심의 표현으로 변환하여 조작 정책을 제어할 수 있게 함으로써, 기존 사전학습된 백본이 간과해 온 물리적 공간 이해 문제를 해결하고 로봇 작업의 정확성을 획기적으로 개선했습니다.

hf_papers

WorldCrafter: Consistent Video World Model with Implicit 3D-aware Memory

장기적 관점과 다양한 시점을 일관되게 유지할 수 있는 비디오 월드 모델 'WorldCrafter'를 소개합니다. 카메라 쿼리 가능한 암시적인 3D 의식 메모리를 학습시켜 과거 관찰 정보를 압축하고 현재 요청된 뷰에 맞춰 재구성하도록 합니다. 이를 통해 동적 환경에서의 상호작용 탐색 시 시간적 일관성과 공간적 정확성을 동시에 확보할 수 있습니다.

hf_papers

Expanding OpenAI Academy with new learning paths

Open AI 아카데미에 새로운 학습 경로가 추가되어 직원부터 학생까지 다양한 대상이 실용적인 인공지능 기술을 습득할 수 있게 되었습니다. 교육 커리큘럼의 확장으로 접근성이 높아졌습니다.

openai

Stanford R&DE Uses AI to Race Swap Students for Advertising

스탠퍼드 연구진이 광고 캠페인에서 학생을 대체하기 위해 AI 를 활용한 사례를 보도했습니다. 이는 기술적 실험이라기보다 윤리적 논란과 사회적 파장을 동반하는 주제이므로 단순한 뉴스로서는 가치가 있으나 심층 분석은 필요해 보입니다.

hackernews

One to More, More to One: Category-Aware Iterative Expert Training for Software Engineering Agents

소프트웨어 엔지니어링 에이전트의 학습 편향을 해결하기 위해 카테고리 인식 전문가 훈련 방식을 개발합니다. 다양한 작업 카테고리가 서로 다른 진전을 보일 때 발생하는 불균형을 완화하고, 실행 가능한 태스크 구축과 증거 기반 라벨링 시스템을 통해 각 카테고리의 성능을 독립적으로 개선하며 전체적인 성공률을 높이는 전략을 제시합니다.

hf_papers