Insights

반자율 에이전트가 병렬 실험을 통해 코드베이스를 최적화합니다

반자율 에이전트가 병렬 실험 방식을 활용하여 코드베이스를 최적화하는 기술을 소개합니다. 에이전트가 스스로 실험을 수행하며 코드의 효율성을 높이는 과정을 다룹니다.

6월 3일1

경쟁적인 Pokémon을 위한 전문가 수준의 LLM 에이전트

LLM을 활용하여 경쟁적인 Pokémon 게임을 플레이할 수 있는 전문가 수준의 에이전트를 개발한 사례를 소개합니다. 복잡한 게임 환경 내에서 에이전트의 의사결정 능력을 보여줍니다.

6월 3일0

23,000개의 AI 에이전트 (AI agent) 기술로 경험적 연구 (empirical research) 자동화

23,000개의 AI 에이전트 기술을 활용하여 경험적 연구(empirical research) 과정을 자동화하는 방안을 다룹니다. 대규모 에이전트 기술이 연구 프로세스의 효율성을 어떻게 높일 수 있는지 보여줍니다.

커스텀 오픈 소스 펌웨어로 STC-1000 온도 조절기 업그레이드

STC-1000 온도 조절기를 커스텀 오픈 소스 펌웨어를 사용하여 업그레이드하는 방법을 다룹니다.

100개 이상의 실행 가능한 AI 에이전트 및 RAG 앱 템플릿

100개 이상의 실행 가능한 AI 에이전트 및 RAG(검색 증강 생성) 애플리케이션 템플릿을 제공합니다. 개발자들이 다양한 AI 워크플로우를 빠르게 구축할 수 있도록 돕는 실용적인 리소스입니다.

밑바닥부터 직접 구현한 머신러닝 (Machine learning) 알고리즘

머신러닝 알고리즘의 내부 동작 원리를 이해하기 위해 밑바닥부터 직접 구현하는 과정을 다룹니다. 라이브러리에 의존하지 않고 알고리즘을 구현함으로써 기초를 다질 수 있습니다.

3,500만 개의 데이터셋으로 학습된 프로세스 보상 모델링 (Process reward modeling)

3,500만 개의 대규모 데이터셋을 활용하여 학습된 프로세스 보상 모델링(Process Reward Modeling) 기술을 소개합니다. 결과 중심이 아닌 추론 과정 자체에 보상을 부여하는 방식의 연구 성과를 다룹니다.

6월 2일0

Claude Code와 Codex를 활용한 게임 제작을 위한 구조화된 워크플로 (Structured workflow)

Claude Code와 Codex를 결합하여 게임 제작 과정을 효율화하는 구조화된 워크플로를 소개합니다. AI 코딩 도구를 활용해 게임 개발 생산성을 높이는 방법을 다룹니다.

6월 2일0

Apex, Flow, LWC를 위한 Salesforce 에이전트 스킬 큐레이션 컬렉션

Salesforce 개발 환경인 Apex, Flow, LWC를 위한 에이전트 스킬 큐레이션 컬렉션을 소개합니다. 개발자가 Salesforce 플랫폼 내에서 AI 에이전트를 효과적으로 활용할 수 있는 기술적 자원을 제공합니다.

6월 1일1

290개의 근육을 가진 골격의 동작 모방을 위한 강화학습 (Reinforcement learning)

290개의 근육을 가진 골격 구조가 동작을 모방할 수 있도록 강화학습을 적용한 연구입니다. 복잡한 생체 역학적 구조를 제어하기 위한 학습 방법을 다룹니다.

정밀한 로봇 조작을 위한 Human-in-the-loop 강화학습 (RL)

정밀한 로봇 조작을 구현하기 위해 인간이 학습 과정에 개입하는 Human-in-the-loop 강화학습(RL) 연구를 소개합니다. Berkeley의 hil-serl 오픈소스를 통해 관련 기술을 확인할 수 있습니다.

접촉이 빈번한 로봇 제어를 위한 미분 동적 계획법 (Differential dynamic programming)

접촉이 빈번하게 발생하는 로봇 제어 환경을 위해 미분 동적 계획법(Differential Dynamic Programming)을 적용하는 연구를 소개합니다. 복잡한 물리적 상호작용이 포함된 로봇의 움직임을 최적화하는 방법을 다룹니다.

3D 게임 셰이더 (Shaders) 및 라이팅 (Lighting) 구현을 위한 단계별 가이드

3D 게임 개발에서 필수적인 셰이더(Shaders)와 라이팅(Lighting) 구현 방법을 단계별로 설명하는 가이드입니다. 그래픽스 구현의 기초부터 실전 적용까지의 과정을 다룹니다.

6월 1일1

Claude Code 내부의 5개 병렬 에이전트를 활용한 영업 잠재 고객 분석

Claude Code 내부의 5개 병렬 에이전트를 활용하여 영업 잠재 고객을 분석하는 방법을 다룹니다. 멀티 에이전트 구조를 통해 분석 효율을 높이는 사례를 제시합니다.

LLM과 코드를 사용하여 관절이 있는 3D 에셋 생성

LLM과 코드를 결합하여 관절 구조를 가진 3D 에셋을 자동으로 생성하는 기술을 소개합니다. 텍스트 기반의 명령을 통해 복잡한 3D 모델링 작업을 자동화할 수 있습니다.

달리고 점프할 수 있는 완전 오픈 소스 DIY 휴머노이드 로봇

달리기와 점프가 가능한 완전 오픈 소스 방식의 DIY 휴머노이드 로봇 프로젝트를 소개합니다. 누구나 접근 가능한 오픈 소스 설계를 통해 휴머노이드 로봇 제작을 지원합니다.

클러스터 측 설치가 필요 없는 로컬 우선(Local-first) Kubernetes 대시보드

클러스터 내부에 별도의 설치 과정 없이 사용할 수 있는 로컬 우선 방식의 Kubernetes 대시보드를 소개합니다. 클러스터 측 설치 부담을 줄여 효율적인 관리를 지원합니다.

운영 팀을 위한 셀프 호스팅(Self-hosted) AI 에이전트 오케스트레이션 (orchestration)

운영 팀을 위해 설계된 셀프 호스팅 방식의 AI 에이전트 오케스트레이션 시스템을 소개합니다. 멀티 에이전트 시스템을 활용하여 심층 조사와 보고서 작성 과정을 자동화할 수 있습니다.

5월 31일2

30달러짜리 센서를 실시간 3D 공간 매퍼로 변환

저렴한 30달러 규모의 센서를 활용하여 실시간 3D 공간 매퍼를 구현하는 프로젝트를 소개합니다. 관련 오픈소스 코드와 머신러닝 시스템 논문 큐레이션 목록을 함께 제공합니다.

알고리즘 트레이딩을 위한 강화학습 (Reinforcement learning) 프레임워크

알고리즘 트레이딩을 위한 강화학습 프레임워크인 FinRL과 코딩 모델을 브라우저 에이전트로 변환하는 Webwright를 소개합니다. 금융 데이터 분석과 웹 자동화 에이전트 개발을 위한 기술적 도구들을 다룹니다.