Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
© 2026 Molayo
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
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.
LLM, SLM 및 AI 에이전트와 월드 모델을 위한 인지 핵심 기술의 보편적 분류 체계를 제공합니다. 인지, 메모리, 추론, 계획 등 핵심 요소에 대한 스키마와 159개의 기술 카드, 벤치마크를 포함하고 있습니다.
skrl은 PyTorch, JAX, NVIDIA Warp를 기반으로 구현된 모듈형 강화학습(RL) 라이브러리입니다. 알고리즘의 가독성과 투명성을 중시하며, 다양한 환경 인터페이스와 에이전트의 동시 학습을 지원합니다.
FRAI는 책임감 있는 AI 출시를 지원하는 오픈 소스 툴킷입니다. 코드 스캔, 문서화, 평가 및 컴플라이언스 워크플로를 제공하며 CLI, SDK, LangChain 기반 에이전트 세 가지 패키지로 구성됩니다.

Differential-Transformer 아키텍처의 PyTorch 비공식 구현체입니다. LLM에 최적화된 디코더 전용 구조로, 새로운 차분 어텐션 메커니즘과 SwiGLU 등을 포함합니다.
Unreal Engine 환경에서 심층 강화학습을 통해 지능형 에이전트를 훈련할 수 있도록 지원하는 오픈 소스 툴킷입니다. Unity ML-Agents의 기능을 Unreal Engine에 맞게 포팅하여 제공합니다.
Deep Reinforcement Learning과 고급 컴퓨터 비전 기술을 결합하여 인도의 도로 환경에 최적화된 스마트 신호등 시스템을 개발했습니다. SUMO 시뮬레이터를 활용하여 RL 모델을 배포하고 테스트할 수 있는 스크립트를 구축했습니다.
SustainDC는 이기종 다중 에이전트 강화학습(MARL)을 활용하여 데이터 센터 시뮬레이션 및 제어를 수행하는 Python 환경 세트입니다. Gymnasium과 통합되어 워크로드 스케줄링, 냉각 최적화, 배터리 관리 등을 연구할 수 있도록 지원합니다.
자율 주행 레이싱을 위한 오픈 소스 강화학습 환경인 L2R을 소개합니다. ICCV 2021 논문으로 발표되었으며, 주요 AI 컨퍼런스의 공식 챌린지 트랙으로 채택된 검증된 연구 환경입니다.
LoRA(Low-Rank Adaptation) 기술을 활용하여 대규모 언어 모델을 효율적으로 미세 조정하는 방법을 다룹니다. SST-2 데이터셋을 사용하여 텍스트 분류 작업을 수행하는 Jupyter Notebook 기반의 튜토리얼입니다.
NVIDIA PhysicsNeMo는 AI4Science를 위한 오픈 소스 SciML 프레임워크로, 물리 AI 모델의 구축부터 배포까지 지원합니다. v2.0 업데이트를 통해 설치와 외부 패키지 통합이 더욱 용이해졌으며, 물리 지식과 데이터를 결합한 실시간 예측 모델 개발에 최적화되어 있습니다.
Roboflow에서 제공하는 컴퓨터 비전 모델 및 기술 튜토리얼 모음입니다. 기초 아키텍처부터 YOLO11, SAM 3, Qwen3-VL 등 최신 SOTA 모델까지 다양한 구현 사례를 Jupyter Notebook 형태로 제공합니다.
KnowAgent는 LLM 기반 에이전트의 계획 능력을 강화하기 위해 행동 지식 베이스를 활용하는 연구입니다. 행동 지식을 텍스트로 변환하여 모델이 궤적을 생성할 때 이를 활용하게 하며, 지식 기반 자기 학습을 통해 성능을 지속적으로 개선합니다.
PIXIU는 금융 특화 거대 언어 모델(LLM), 지시어 튜닝 데이터, 그리고 금융 LLM을 종합적으로 평가할 수 있는 벤치마크를 제공하는 최초의 오픈 소스 리소스입니다. 금융 AI 분야의 오픈 소스 생태계 발전을 목표로 합니다.
AI 에이전트, LLM 프레임워크 및 코딩 도구의 내부 작동 원리를 심층적으로 다루는 203개의 튜토리얼 모음입니다. 단순 사용법을 넘어 아키텍처, 코드 워크스루, 프로덕션급 패턴을 8단계 구조로 상세히 설명합니다.
ahammadmejbah/Awesome-Datasets-Hub는 대규모 언어 모델(LLMs) 학습 및 평가를 위한 엄선된 데이터셋 컬렉션 저장소입니다. 의료 AI, NLP, 멀티모달 학습, 인스트럭션 튜닝, 추론, 코드 생성 등 다양한 분야의 데이터셋과 벤치마크를 포함하고 있습니다.
MMMU는 전문가 수준의 AGI 달성을 목표로 하는 대규모 다학제 멀티모달 이해 및 추론 벤치마크입니다. 이 저장소는 관련 논문의 평가를 위한 Python 기반의 코드를 제공합니다.
독일 법률 텍스트 분석을 위해 지식 그래프(Knowledge Graph)와 RAG 시스템을 결합한 프로젝트입니다. 법률 도메인의 특수성을 반영하기 위해 의미론적 텍스트 분할과 네트워크 이론을 활용하여 언어 모델의 응답 정확도와 문맥 이해도를 높이는 데 집중합니다.
Time-MoE는 Mixture-of-Experts (MoE) 아키텍처 기반의 디코더 전용 시계열 파운데이션 모델 제품군입니다. 이 모델은 자기회귀 방식으로 작동하며, 최대 4096의 컨텍스트 길이와 임의의 예측 지평을 가진 범용적인 시계열 예측이 가능합니다. 또한, Time-300B는 9개 이상의 도메인에 걸쳐 3천억 개 이상의 타임 포인트를 포함하는 대규모 오픈 액세스 시계열 데이터 컬렉션으로 제공됩니다.
본 저장소는 TensorFlow Keras를 활용하여 Multi-gate Mixture-of-Experts (MMoE) 모델을 구현한 코드입니다. UCI의 census-income 데이터셋을 사용한 실행 데모 예시가 제공되며, 코드는 문서화되어 있어 확장성이 높습니다. 이 프로젝트는 Emin Orhan의 연구를 기반으로 하며, 사용자들은 다양한 벤치마크 개선, 다른 프레임워크(PyTorch, MXNet)로 재작성, 또는 정확도 향상 등의 방식으로 기여할 수 있습니다.
mechramc/Orion은 Apple Silicon(M 시리즈) 의 Apple Neural Engine(ANE) 을 직접 활용하여 작은 규모의 LLM 을 온디바이스에서 학습 및 추론할 수 있는 오픈소스 런타임입니다. CoreML 이나 Metal 과 같은 외부 프레임워크 없이 순수하게 ANE 하드웨어를 타겟팅한 프로젝트로, 오프라인 환경에서도 로컬 모델 개발이 가능합니다.