Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
HuggingFaceAI 번역헤드라인
TRL과 OpenEnv를 사용해 코드로 수채화 그리는 모델 훈련하기
본 글은 언어 모델을 활용하여 코드로 수채화 그림을 그리는 과정을 TRL과 OpenEnv를 이용해 재현한 기술 보고서입니다. Hugging Face의 Jobs, Spaces 등을 사용하여 엔드투엔드 파이프라인을 구축하고, RL 환경 및 훈련 스크립트를 공개했습니다. 이는 예술적 아이디어를 공학적으로 접근하여 모든 결과물을 재현 가능하게 만드는 과정을 보여줍니다.
10월 7일1
HuggingFaceAI 번역헤드라인
3억 5천만 개 매개변수 모델을 100 GRPO 단계로 미세 조정하여 구조화된 출력 개선하기
본 가이드는 소형 모델(3억 5천만 개 매개변수)을 작업별로 미세 조정하여 구조화된 출력 성능을 개선하는 방법을 다룹니다. IFStruct 벤치마크를 통해 스키마 준수 능력을 테스트하며, `llama.cpp`와 같은 로컬 도구를 사용하여 평가 과정을 설명합니다.
10월 7일1
HuggingFaceAI 번역헤드라인
AUTOMATIC1111을 Gradio Workflow로 재구축하기
본 글은 Gradio의 Workflow 기능을 활용하여 AUTOMATIC1111의 복잡한 기능을 단일 워크플로우로 재구축하는 방법을 안내합니다. 73개 노드와 11개의 미디어 파이프라인으로 구성된 'Workflow1111'을 통해 text-to-image, hi-resolution fix 등 다양한 SOTA 모델 통합 과정을 보여줍니다.
10월 7일1
HuggingFaceAI 번역헤드라인
Transformers에서 llama.cpp 양자화 모델 실행 지원 추가
transformers 라이브러리가 GGUF 모델을 효율적으로 로컬 환경에서 실행할 수 있는 기능을 추가했습니다. 이를 통해 사용자는 노트북 메모리에 맞는 크기의 체크포인트를 기존 API를 활용해 쉽게 불러와 사용할 수 있게 되었습니다. 이는 llama.cpp가 주도하는 로컬 AI 생태계에 큰 발전을 가져왔습니다.
10월 6일1
HuggingFaceAI 번역헤드라인
oMLX 개발자 Jun Kim, Hugging Face 합류하여 MLX 커뮤니티 지원
oMLX 개발자 Jun Kim이 Hugging Face에 합류하여 MLX 커뮤니티 지원을 맡게 되었습니다. 이는 로컬 AI 사용의 가속화와 건강한 생태계 구축을 목표로 합니다. oMLX는 기존 프로젝트들의 기반 작업을 활용하며, 특히 트랜스포머 모델 정의를 다양한 엔진이 소비할 수 있는 참조 MLX 구현으로 전환하는 데 초점을 맞출 예정입니다.
10월 6일1
HuggingFaceAI 번역헤드라인
Transformers.js에서 제안된 Cross-Origin Storage API 실험하기
Transformers.js를 사용하여 브라우저 환경에서 AI 모델을 실행할 때 발생하는 Cross-Origin 저장소 문제를 다룹니다. 서로 다른 오리진의 앱이 동일한 모델이나 Wasm 런타임을 사용할 경우, 브라우저가 이를 재다운로드하여 저장 공간과 네트워크를 낭비하는 현상을 실험을 통해 보여줍니다.
6월 23일1
HuggingFaceAI 번역헤드라인
CUGA를 사용하여 실제 에이전트 앱 구축하기: 경량 하네스를 활용한 24가지 작동 예시
IBM의 오픈 소스 에이전트 하네스인 CUGA를 활용하여 복잡한 에이전트 앱 구축 과정을 단순화하는 방법을 소개합니다. CUGA는 계획, 실행 루프, 도구 호출 등 번거로운 배관 작업을 자동화하여 개발자가 도구와 프롬프트에만 집중할 수 있게 돕습니다.
6월 23일1
HuggingFaceAI 번역헤드라인
GitHub CI를 Hugging Face Jobs로 마이그레이션하기
GitHub Actions의 한계를 극복하기 위해 Hugging Face Jobs를 CI 인프라로 활용하는 마이그레이션 방법을 소개합니다. 이를 통해 CPU 작업 속도를 30% 단축하고, GPU 하드웨어가 필요한 테스트 스위트를 효율적으로 실행할 수 있습니다.
6월 9일1
HuggingFaceAI 번역헤드라인
오픈 소스 커뮤니티가 에이전트 강화학습 (Agentic RL)을 위한 OpenEnv를 지원합니다
OpenEnv가 에이전트 강화학습(Agentic RL)을 위한 상호운용성 계층으로 진화하며 오픈 소스 프로젝트로 전환됩니다. Hugging Face를 포함한 주요 AI 기업들이 참여하여 에이전트 실행 환경의 표준화를 목표로 합니다.
6월 8일1
HuggingFaceAI 번역헤드라인
Pakistan Notice Helper 구축하기: 매우 국지적인 안전 문제를 위한 작은 AI 도구
파키스탄의 사기 메시지 문제를 해결하기 위해 Qwen3.5 4B 소형 모델을 활용한 'Pakistan Notice Helper' 구축 사례를 소개합니다. 텍스트와 스크린샷을 분석하여 위험도를 분류하고, 우르두어 지원을 통해 지역 맞춤형 안전 가이드를 제공합니다.
6월 8일1
HuggingFaceAI 번역헤드라인
다섯 개의 연구소, 다섯 개의 지능: 소형 모델로 구축한 멀티 모델 금융 드라마
다양한 연구소의 소형 모델(SLM)을 활용하여 금융 에이전트들이 상호작용하는 멀티 모델 시뮬레이션 환경 구축 사례를 다룹니다. 서로 다른 모델을 하나의 플랫폼에서 운영할 때 발생하는 서빙 계층의 기술적 이슈와 해결 방법을 엔지니어링 관점에서 설명합니다.
6월 6일1
HuggingFaceAI 번역헤드라인
구직 도우미 (Job Searcher)
DeepSeek V4 Pro를 교사 모델로, Qwen3-8B를 학생 모델로 활용하여 이력서 기반의 맞춤형 구직 에이전트를 구축하는 기술적 과정을 설명합니다. 쿼리 생성, 검색, 5개 차원의 점수 산정 단계를 거쳐 논리적 근거를 갖춘 최종 후보 명단을 도출합니다.
6월 6일1
HuggingFaceAI 번역헤드라인
Thousand Token Wood: 3B 모델로 구현한 멀티 에이전트 경제 시스템
Qwen2.5-3B 소형 모델을 활용하여 실시간 멀티 에이전트 경제 시뮬레이션 시스템을 구축한 엔지니어링 보고서입니다. 모델의 제약을 극복하기 위해 설계된 희소성 메커니즘과 프롬프트 엔지니어링 기법을 다룹니다.
6월 5일1
HuggingFaceAI 번역헤드라인
에이전트에 최적화된 Hub 작업 방식으로서의 hf CLI 설계
Hugging Face는 코딩 에이전트의 효율성을 높이기 위해 hf CLI를 재설계했습니다. 에이전트 감지 기능을 통해 출력 형식을 최적화하며, 이를 통해 기존 방식 대비 토큰 사용량을 최대 6배 절감할 수 있음을 확인했습니다.
6월 4일1
HuggingFaceAI 번역헤드라인
사용자의 언어, 도메인 또는 억양에 맞춰 Nemotron 3.5 ASR을 미세 조정(Fine-Tune)하는 방법
Nemotron 3.5 ASR은 40개의 언어 로케일을 지원하며 낮은 지연 시간과 높은 정확도를 동시에 제공하는 오픈 웨이트 모델입니다. 단일 체크포인트로 다국어 지원, 실시간 스트리밍, 구두점 자동 삽입 기능을 통합하여 기존 ASR 구축 시 발생하는 비용과 복잡성을 해결합니다.
6월 4일1
HuggingFaceAI 번역헤드라인
Hub Bucket을 통한 1조 개의 파라미터 전송: TRL의 Delta Weight Sync
비동기 강화학습(Async RL) 시 모델 전체를 전송하는 대신, 변경된 가중치(delta)만 전송하여 대역폭을 획기적으로 절감하는 기술을 소개합니다. TRL의 Delta Weight Sync를 통해 Hugging Face Bucket을 활용한 분리형 훈련(disaggregated training)이 가능해집니다.
5월 27일1
HuggingFaceAI 번역헤드라인
Harness, Scaffold, 그리고 정확히 이해해야 할 AI Agent 용어들
AI 에이전트 구축 시 혼동하기 쉬운 'Harness'와 'Scaffold' 등 주요 용어의 개념을 정립합니다. 모델을 에이전트로 변환하기 위해 필요한 동작 정의 계층과 인프라의 차이를 실용적인 관점에서 설명합니다.
5월 25일1
HuggingFaceAI 번역헤드라인
Ettin Reranker 제품군 소개
Ettin ModernBERT 인코더를 기반으로 한 6가지 크기의 새로운 Sentence Transformers CrossEncoder 리랭커 제품군이 공개되었습니다. 이 모델들은 증류(distillation) 기법을 통해 학습되었으며, 검색 후 리랭킹(retrieve-then-rerank) 패턴을 통해 검색 정확도와 비용 효율성을 동시에 최적화합니다.
5월 19일2
HuggingFaceAI 번역헤드라인
로봇 비디오 생성을 위한 LoRA 및 DoRA 기반 NVIDIA Cosmos Predict 2.5 미세 조정 가이드
NVIDIA Cosmos Predict 2.5 월드 모델을 로봇 조작 도메인에 최적화하기 위한 LoRA 및 DoRA 기반의 매개변수 효율적 미세 조정(PEFT) 가이드를 제공합니다. 실제 로봇 데이터 수집의 비용 문제를 해결하기 위해 미세 조정된 모델로 합성 궤적을 생성하는 방법을 다루며, 단일 GPU 환경에서도 실용적인 학습이 가능하도록 설계되었습니다.
5월 18일2
HuggingFaceAI 번역헤드라인
범용 AI 에이전트 성능 측정을 위한 Open Agent Leaderboard 공개
범용 AI 에이전트의 성능을 모델 단위가 아닌 전체 시스템 관점에서 측정하기 위한 'Open Agent Leaderboard'가 공개되었습니다. 이 리더보드는 에이전트가 다양한 도구와 제약 조건이 있는 생소한 환경에서 얼마나 잘 작동하는지(품질)와 실행 비용(비용)을 동시에 평가하여 실제 배포 가치를 판단할 수 있게 합니다.
5월 18일1