eli-labz/Cognitive-Core-Skills
요약
LLM, SLM 및 AI 에이전트와 월드 모델을 위한 인지 핵심 기술의 보편적 분류 체계를 제공합니다. 인지, 메모리, 추론, 계획 등 핵심 요소에 대한 스키마와 159개의 기술 카드, 벤치마크를 포함하고 있습니다.
핵심 포인트
- AI 에이전트의 인지 능력을 위한 산업 중립적 분류 체계 제공
- 인지, 메모리, 추론, 계획 등 8가지 핵심 기술 요소 정의
- 159개의 기술 카드와 JSON 스키마, 벤치마크 포함
- 에이전트 설계 및 성능 평가를 위한 프레임워크 역할
저장소: eli-labz/Cognitive-Core-Skills
언어: Python
Stars: 274
Forks: 78
주제: agent-skills, agentic-ai, ai-agents, ai-safety, artificial-intelligence, benchmarks, cognitive-architecture, json-schema, knowledge-graph, llm, machine-learning, prompt-engineering, schema, slm, taxonomy, world-models
설명:
LLM, SLM, AI 에이전트 (AI agents), 그리고 월드 모델 (world models)을 위한 인지 핵심 기술 (perception, memory, reasoning, planning, action, verification, learning, governance)에 관한 보편적이고 산업 중립적인 분류 체계 (taxonomy) — 스키마 (schemas), 159개의 기술 카드, 벤치마크 (benchmarks) 및 CI를 포함합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub AI Research의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기