Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @huggingpapers (검증됨) 166건필터 해제
FAMA - 실패 인식 메타 에이전트 프레임워크
FAMA(Failure-Aware Meta-Agentic Framework)는 실패 트래젝토리를 분석하여 잠재적인 오류를 식별하고, 의사결정 과정에 필요한 컨텍스트를 사전에 주입하는 전문 에이전트 시스템입니다. 이 프레임워크는 LLM 기반의 인터랙티브 툴 사용 시 발생하는 문제를 해결하며, 실제 테스트에서 최대 27%의 성능 향상을 입증했습니다.
각 환경에는 완전한 사용자 페르소나, 프로젝트 포트폴리오 및 파일 관계 그래프가 포함되어 있습니다.
본 기술 기사는 에이전트가 실제 디지털 작업 공간을 얼마나 효과적으로 탐색할 수 있는지 측정하기 위한 새로운 기준(benchmark)에 대해 설명합니다. 이 기준은 각 환경에 완전한 사용자 페르소나, 프로젝트 포트폴리오, 그리고 파일 관계 그래프를 포함하여 현실적인 복잡성을 구현했습니다.
마이크로소프트, 허깅페이스에 98개의 합성 컴퓨터 환경 공개
마이크로소프트가 허깅페이스에 총 98개의 합성 컴퓨터 환경을 공개했습니다. 이 환경들은 단순히 코드를 실행하는 것을 넘어, 현실적인 페르소나와 파일 시스템, 그리고 장기적인 계획 시나리오를 갖춘 '컴퓨터 사용 에이전트'를 훈련시키기 위해 설계되었습니다.
Eywa 프로젝트 및 관련 논문 정보
이 문서는 'Eywa' 프로젝트와 관련된 논문, 웹사이트, 코드를 안내하는 정보 페이지입니다. Eywa는 특정 기술 분야에 대한 심층적인 연구 결과물로 보이며, 관련 학술 자료(논문)와 실제 구현 코드 및 공식 프로젝트 사이트가 제공됩니다.
에이와, LLM 과 과학 기반 모델을 연결하다
에이와(Eywa)는 영화 <아바타>에서 영감을 받은 이종 에이전트 프레임워크입니다. 이 프레임워크는 대규모 언어 모델(LLM)과 시계열, 표형 데이터 등 다양한 과학 도메인의 전문 지식을 연결하여 활용합니다. 이를 통해 결과의 정확도를 6.6% 향상시키고 토큰 사용량을 30% 절감하는 효율성을 보여줍니다.
올렌 AI, 허깅페이스에서 올mppool 컨텍스트 확장 모델 출시
올렌 AI가 허깅페이스에 올mppool(OlmPool)이라는 이름의 컨텍스트 확장 모델을 출시했습니다. 이 70억 파라미터 모델은 총 1500억 토큰으로 학습되었으며, 특히 구조적 선택지가 긴 컨텍스트 확장에 미치는 영향을 연구하는 데 초점을 맞추어 훈련되었습니다.
이 피드 구독하기
본 페이지의 콘텐츠는 AI가 공개된 소스를 기반으로 자동 수집·요약·번역한 것입니다. 원 저작권은 각 원저작자에게 있으며, 각 게시물의 “원문 바로가기” 링크를 통해 원문을 확인할 수 있습니다. 저작권자의 삭제 요청이 있을 경우 신속히 조치합니다.