Microsoft, Hugging Face에 FastContext 출시
요약
Microsoft가 코딩 에이전트의 효율성을 높이는 4B 규모의 서브 에이전트 FastContext를 Hugging Face에 출시했습니다. 이 모델은 저장소 탐색 부담을 줄여 토큰 사용량을 60% 절감하고 성공률을 높입니다.
핵심 포인트
- 4B 규모의 서브 에이전트로 코딩 에이전트의 저장소 탐색 최적화
- 메인 에이전트의 토큰 사용량 60% 절감 및 성공률 최대 5.5% 향상
- 로봇 정책 학습을 위한 1.4B 규모의 기하학적 파운데이션 모델 포함
- 기존 베이스라인 대비 55배 빠른 추론 속도 제공
Microsoft가 Hugging Face에 FastContext를 출시했습니다.
코딩 에이전트(coding agents)의 저장소 탐색(repository exploration) 부담을 덜어주는 아주 작은 4B 규모의 서브 에이전트(subagent)입니다. 이를 통해 메인 에이전트의 토큰(tokens) 사용량을 60% 절감하면서도, 엔드투엔드(end-to-end) 성공률을 최대 5.5%까지 높였습니다.
모델(Models):
https://huggingface.co/microsoft/FastContext-1.0-4B-SFT
컬렉션(Collection):
https://huggingface.co/collections/microsoft/swe-fastcontext
논문(Paper):
https://paperswithcode.co/paper/2606.14066
로봇 정책 학습을 위한 기하학적 행동 모델 (Geometric Action Model for Robot Policy Learning)
기하학적 파운데이션 모델(geometric foundation model)을 인지(perception), 예측(prediction), 행동(action)을 위한 하나의 백본(backbone)으로 재사용합니다.
1.4B 파라미터(parameters).
6.9 ms 추론(inference).
LIBERO-Plus에서 85.5% 달성.
베이스라인(baselines)보다 55배 빠름.
AI 자동 생성 콘텐츠
본 콘텐츠는 X @huggingpapers (검증됨)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기