Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
HuggingFaceAI 번역헤드라인
Granite Speech 5.0: 더 정확하고 빠르게 전사(Transcribe), 번역(Translate), 화자 식별(Attribute)하기
IBM이 높은 정확도와 속도를 갖춘 세 가지 업데이트된 Granite Speech 모델을 공개했습니다. 새로운 granite-speech-5.0-2b는 노이즈에 강한 다국어 전사 및 번역 성능을 제공하며, 470m 버전은 온디바이스 환경에 최적화되었습니다. 이 모델들은 ASR 정확도 향상과 화자 식별 기능을 강화했습니다.
2일 전0
HuggingFaceAI 번역헤드라인
NVIDIA Kumo Forecast: 사전 학습된 시계열 표현과 역사적 패턴 검색 및 해석 가능성을 결합
NVIDIA Kumo Forecast는 사전 학습된 Transformer 백본과 역사적 패턴 검색(DARR) 기능을 결합한 다변량 시계열 예측 모델입니다. 이 모델은 직접적인 예측 경로와 과거 데이터에서 검색된 패턴을 혼합하여 높은 정확도와 해석 가능성을 제공합니다. 개발자는 다양한 구성 옵션을 통해 각 정보 출처의 기여도를 조정할 수 있습니다.
2일 전0
HuggingFaceAI 번역헤드라인
NVIDIA Cosmos3-H-Dreams: 생성 시뮬레이션을 통해 임상 수술을 구현하다
NVIDIA Cosmos3-H-Dreams는 인터랙티브 생성 시뮬레이션을 통해 수술 로봇 공학 분야에 혁신을 가져왔습니다. 이 모델은 기존의 수치 시뮬레이션 대신, 실제 임상 절차 비디오와 로봇 운동학 데이터를 학습하여 높은 현실성을 가진 테이블탑 작업 시뮬레이터를 구현했습니다. 특히 실시간 생성 능력을 갖춘 최초의 임상 담낭절제술 시뮬레이터로 주목받고 있습니다.
3일 전0
HuggingFaceAI 번역헤드라인
Hugging Face ❤️ TorchTPU: TPUs를 네이티브로 지원하다
Hugging Face가 TorchTPU를 통해 PyTorch 생태계에 TPU 네이티브 지원을 제공합니다. 기존에는 `torch_xla`나 JAX 사용이 필요했지만, 이제 일반적인 PyTorch 코드로 Transformers 및 Diffusers 모델을 TPU에서 직접 실행할 수 있게 되어 개발 편의성이 크게 향상되었습니다.
3일 전0
HuggingFaceAI 번역헤드라인
FairStress: LLM 의사결정의 공정성에 대한 심층 평가
FairStress는 LLM의 결정 과정에서 나타날 수 있는 인구통계학적 편향을 측정하는 새로운 벤치마크입니다. 이 벤치마크는 모델이 설득력 있는 주장(adversarial prefixes)에 의해 결정을 얼마나 쉽게 변경하는지, 즉 숨겨진 비대칭성을 평가합니다. 이를 통해 '대칭적 공정성'이라는 개념을 정의하고 측정하고자 합니다.
3일 전0
HuggingFaceAI 번역헤드라인
*22개 언어에 대한 네이티브 스크립트 데이터, 12개 언어에 대한 로마자화 데이터, 그리고 번역, 품질 평가 및 복구를 위한 재사용 가능한 G
AI4Bharat와 NVIDIA가 22개 인도어(Indic) 언어를 포괄하는 대규모 사전 학습 모델 Nemotron-pretraining-Indic-v1을 공개했습니다. 이 모델은 약 2.8조 토큰 규모이며, 개방형 GPU 가속 데이터 생성 파이프라인과 함께 제공되어 개발자들이 직접 데이터를 확장할 수 있게 합니다.
10월 16일1
HuggingFaceAI 번역헤드라인
PyTorch 프로파일링 (Part 3): 어텐션은 모든 것을 아우른다
본 글은 PyTorch의 프로파일링 기법을 활용하여 어텐션 메커니즘을 분석하는 내용을 다룹니다. Part 1과 Part 2에서 기본 연산 및 선형 레이어 프로파일링 경험을 바탕으로, Transformer 핵심인 어텐션을 다음 주제로 선정했습니다. 다양한 구현 방식(naive, inplace ops, sdpa 등)의 성능 차이를 비교하며 최적화 기법을 탐구합니다.
10월 15일0
HuggingFaceAI 번역헤드라인
Real World VoiceEQ 소개: 음성 AI의 인간적 품질 측정
본 기사는 기존 벤치마크가 놓치는 음성 AI의 인간적 품질을 측정하기 위해 'Real World VoiceEQ'를 소개합니다. 이 벤치마크는 어조, 감정, 화자 식별 등 음향 정보를 포괄적으로 평가하며, ASR, TTS, S2S, 이해 등 다양한 영역에서 광범위한 지표로 모델들을 검증합니다.
10월 15일0
HuggingFaceAI 번역헤드라인
Thinking Machines의 Inkling 모델 공개
Thinking Machines가 1T 파라미터 규모의 오픈 멀티모달 LLM인 Inkling을 공개했습니다. Inkling은 이미지, 텍스트, 오디오 입력을 네이티브하게 처리하며, 1M 컨텍스트 창과 에이전트적 기능을 갖춘 것이 특징입니다. MoE 구조와 상대적 어텐션 등 최신 기술을 적용하여 높은 성능과 효율성을 자랑합니다.
10월 15일0
HuggingFaceAI 번역헤드라인
Apertus 1.5 출시 노트
Apertus 1.5 모델은 지속적인 사전 학습을 통해 성능을 대폭 개선한 오픈 가중치 모델입니다. 70B 버전은 총 17T의 데이터로 확장되었으며, 컨텍스트 창이 262K 토큰으로 증가했습니다. 네이티브 멀티모달 이해와 사고 모드 등 다양한 기능을 제공합니다.
10월 15일0
HuggingFaceAI 번역헤드라인
보안 사고 공개 — 2026년 7월
Hugging Face가 내부 데이터셋 및 자격 증명 무단 접근 보안 사고를 공개했습니다. 공격자는 AI 플랫폼의 취약점인 데이터 처리 파이프라인을 악용하여 노드 수준으로 권한을 상승시키고, 클라우드/클러스터 자격 증명을 수집하며 여러 내부 클러스터로 측면 이동했습니다. 이 캠페인은 '에이전트형 공격자' 시나리오와 일치합니다.
10월 15일0
HuggingFaceAI 번역헤드라인
Nunchaku 4비트 확산 추론을 Diffusers에 적용하다
본 기사는 Nunchaku 4비트 확산 추론 기술을 Diffusers에 통합하는 방법을 다룹니다. 이를 통해 별도의 라이브러리나 로컬 컴파일 없이도 낮은 메모리 사용량과 높은 효율성을 가진 체크포인트를 쉽게 사용할 수 있게 되었습니다. 또한, diffuse-compressor 툴킷으로 사용자 지정 모델 양자화 및 배포가 가능합니다.
10월 15일0
HuggingFaceAI 번역헤드라인
HiRO-ACEv2: 낮은 비용으로 3km 해상도에서 극한 기후 시뮬레이션
HiRO-ACEv2는 고해상도 전지구 대기 모델인 X-SHiELD 대비 1/300의 비용으로 글로벌 3km 기후 데이터를 생성하는 시스템입니다. 이 시스템은 AI 기반 다운스케일링(HiRO)과 거친 시뮬레이션(ACE)을 결합하여, 희귀한 극한 기후 현상까지 높은 정확도로 재현할 수 있습니다. 특히 HiROv2는 강우량 외 여러 고해상도 필드를 예측하며, 훈련 과정에서 본 적 없는 폭풍 등 다양한 극한 사건 포착 능력이 향상되었습니다.
10월 14일1
HuggingFaceAI 번역헤드라인
지식 증류를 대규모로 실행하기에 충분히 저렴하게 만드는 방법
본 논문은 지식 증류 과정에서 발생하는 막대한 VRAM 요구 사항 문제를 해결하는 방법을 제시합니다. 교사 모델의 Top-K 로짓 캐싱과 메모리 효율적인 KL-발산 손실을 도입하여, 대규모 LLM 훈련 비용을 크게 절감했습니다.
10월 9일1
HuggingFaceAI 번역헤드라인
OlmoEarth 임베딩 소개: OlmoEarth Studio에서 다운스트림 분석을 위한 맞춤형 임베딩 내보내기
OlmoEarth Studio에서 지구 관측 데이터의 임베딩 벡터를 계산하고 내보내는 기능이 추가되었습니다. 이 임베딩은 오픈 소스 OlmoEarth foundation model 기반으로, 유사성 검색 및 분할 등 다양한 다운스트림 분석에 활용됩니다. 사용자는 관심 지역, 시간 범위, 인코더 변형 등을 설정하여 맞춤형 COG 형태로 데이터를 얻을 수 있습니다.
10월 9일1
HuggingFaceAI 번역헤드라인
ICML에서 논문 2,200편을 재현하며 배운 점
본 게시물은 ICML 2026 오픈 재현(Open Reproductions) 챌린지 결과를 공유하며, AI 연구의 재현 가능성과 학회 심사 시스템에 대한 통찰을 제공합니다. 대규모 에이전트 기반 재현 시도는 많은 논문의 주장이 독립적으로 검증되거나 거짓임이 밝혀졌습니다.
10월 9일1
HuggingFaceAI 번역헤드라인
음성 인식 벤치마크 최적화 측정
본 연구는 기존 음성 인식 벤치마크가 실제 환경의 복잡한 조건을 간과하는 문제를 지적하며, 'benchmaxxing' 현상을 정량화하기 위한 세 가지 새로운 테스트를 제안합니다. 이 테스트들은 모델이 오디오 내용보다 벤치마크 스크립트를 재현하거나 음향 단서에 의존하여 점수를 과대평가하는 경향을 밝혀냅니다.
10월 9일1
HuggingFaceAI 번역헤드라인
Granite 4.2 LLM: 구축 방식 안내
IBM이 추론 능력에 초점을 맞춘 Granite 4.2 LLM 패밀리를 공개했습니다. 이 모델은 3B, 8B, 30B 세 가지 크기로 출시되었으며, 다단계 강화학습(multi-stage RL)과 에이전틱 RL을 통해 강력한 추론 및 도구 호출 능력을 갖추었습니다.
10월 9일1
HuggingFaceAI 번역헤드라인
오픈 모델 현황: 2026년 여름 관찰 내용
2026년 오픈 모델 시장은 중국 연구소들이 대규모의 고성능 모델을 주도하며 빠르게 변화하고 있습니다. 이들은 미국보다 훨씬 큰 규모의 파라미터를 가진 모델을 출시하는 추세입니다. 반면, 하드웨어 기업들(AMD, NVIDIA 등)과 기존 빅테크 기업들도 오픈 모델 공개를 통해 시장에 참여하며 경쟁 구도를 형성하고 있습니다.
10월 7일1
HuggingFaceAI 번역헤드라인
엣지 환경을 위한 멀티모달 오픈 d1 의사결정 모델
오픈 d1 결정 모델(d1-3B, d1-omni-600M)이 엣지 환경을 위한 고성능 멀티모달 의사결정 능력을 보여줍니다. 이 모델들은 생성형 모델과 달리 단일 순방향 통과로 답변하며, 다양한 벤치마크에서 높은 성능을 기록했습니다. 특히 d1-3B는 텍스트와 이미지를 지원하고, d1-omni-600M은 텍스트, 이미지, 오디오 세 가지 모달리티를 처리할 수 있습니다.
10월 7일2