Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
🤗 HFAI 번역헤드라인
NeuroBait: ADHD 뇌를 위해 도파민을 자극하도록 미세 조정(Fine-tuning)한 모델
ADHD 사용자의 실행 기능 저하를 돕기 위해 도파민 자극을 유도하도록 미세 조정된 NeuroBait 모델을 소개합니다. 기존의 체크리스트 방식 대신, 행동을 시작할 수 있도록 돕는 특화된 상호작용 방식을 지향합니다.
6월 9일1
🤗 HFAI 번역헤드라인
Nemotron 3.5 콘텐츠 안전성: 글로벌 기업용 AI를 위한 맞춤형 멀티모달 (Multimodal) 안전성
Nemotron 3.5는 텍스트와 이미지를 통합적으로 평가하는 멀티모달 안전성 기능을 강화한 모델입니다. 사용자 정의 정책 수용과 단계별 추론(think mode)을 통해 기업용 프로덕션 환경에 최적화된 안전 판정 기능을 제공합니다.
6월 4일1
🤗 HFAI 번역헤드라인
Nemotron 사전 학습을 위한 태스크 시드 기반 합성 Q&A 생성 (Task-Seeded Synthetic Q&A Generation)
Nemotron 모델 학습을 위해 태스크 시드를 활용한 합성 Q&A 생성(SDG) 워크플로우를 제안합니다. 공개 태스크의 학습 분할을 능력 시드로 사용하여 추론과 지식이 풍부한 데이터를 생성하고 필터링함으로써 모델의 성능을 효과적으로 향상시킵니다.
6월 4일1
🤗 HFAI 번역헤드라인
Reachy Mini에 MCP 도구 추가하기
Reachy Mini 로봇에 MCP(Model Context Protocol)를 활용하여 외부 도구를 추가하는 방법을 설명합니다. 로봇의 물리적 동작을 제어하는 로컬 도구와 날씨 검색 같은 원격 도구의 차이점을 다룹니다.
6월 3일1
🤗 HFAI 번역헤드라인
챗봇을 넘어선 직접 선호 최적화 (Direct Preference Optimization)
DharmaOCR 연구를 통해 OCR 모델의 텍text 퇴화 현상을 해결하기 위한 DPO(Direct Preference Optimization) 적용 사례를 소개합니다. SFT만으로는 해결하기 어려운 반복 루프와 같은 실패 모드를 DPO를 통해 효과적으로 완화할 수 있음을 입증했습니다.
6월 3일1
🤗 HFAI 번역헤드라인
Mellum2 소개: JetBrains의 12B Mixture-of-Experts 모델
JetBrains가 12B 파라미터 규모의 MoE 모델인 Mellum2를 출시했습니다. 이 모델은 토큰당 2.5B 파라미터만 활성화하여 높은 처리량과 낮은 지연 시간을 제공하며, 텍스트와 코드 작업에 최적화되어 있습니다.
6월 1일1
🤗 HFAI 번역헤드라인
PyTorch에서의 프로파일링 (Part 1): torch.profiler 초보자 가이드
PyTorch의 torch.profiler를 사용하여 모델 연산을 분석하고 최적화하는 방법을 다루는 초보자 가이드입니다. 행렬 곱셈과 편향 더하기와 같은 기초 연산을 통해 프로파일러 트레이스를 읽는 법을 학습합니다.
5월 29일1
🤗 HFAI 번역헤드라인
Reachy Mini의 완전 로컬 구동
Reachy Mini 로봇을 위해 VAD, STT, LLM, TTS를 결합한 완전 로컬 speech-to-speech 파이프라인 구축 방법을 안내합니다. llama.cpp와 Gemma 4를 활용하여 클라우드 연결 없이 실시간 대화가 가능한 로컬 백엔드 구성법을 다룹니다.
5월 27일2
🤗 HFAI 번역헤드라인
Nemotron-Labs Diffusion 언어 모델을 통한 빛의 속도에 가까운 텍스트 생성
NVIDIA Nemotron-Labs Diffusion은 기존 자기회귀(AR) 방식의 한계를 극복하기 위해 토큰을 병렬로 생성하고 반복적으로 정제하는 확산 언어 모델(DLM)을 선보였습니다. GPU 효율성을 극대화하여 빠른 텍스트 생성이 가능하며, 생성된 토큰을 수정할 수 있는 유연성을 제공합니다.
5월 23일2
🤗 HFAI 번역헤드라인
전문화가 규모를 압도한다: 대부분의 AI 조달 결정에서 간과되는 전략적 변수
특정 도메인에 특화된 소형 언어 모델(SLM)이 거대 프런티어 모델보다 높은 성능과 경제성을 보일 수 있음을 입증합니다. 30억 파라미터 규모의 전문화된 모델이 상용 API보다 뛰어난 성능을 내며 비용은 50배 저렴하다는 연구 결과를 제시합니다.
5월 22일1