Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
HuggingFace Blog 34건필터 해제
🤗 HF헤드라인
PRX Part 4: 우리의 데이터 전략
PRX 모델 학습을 위한 데이터 전략을 다룹니다. 공개 및 내부 데이터셋을 혼합하고 VLM을 활용해 이미지 캡션을 재작성하여 다양성 있는 사전 학습 코퍼스를 구축하는 파이프라인을 설명합니다.
2시간 전0
🤗 HF헤드라인
LeRobot v0.6.0: 상상하고, 평가하고, 개선하라
LeRobot v0.6.0은 월드 모델 정책, 새로운 VLA 모델, 보상 모델 API를 도입하여 로보틱스 연구 역량을 강화했습니다. 시뮬레이션 벤치마크 통합과 데이터 로딩 속도 개선 등 학습 및 평가 효율성을 대폭 높였습니다.
6시간 전0
🤗 HF헤드라인
🤗 Kernels: 주요 업데이트
Hugging Face가 새로운 리포지토리 유형인 'Kernels'를 도입하여 컴퓨팅 특화 서비스를 제공합니다. 보안 강화를 위해 Nix 기반의 재현성 확보, 코드 서명, 신뢰할 수 있는 게시자 시스템을 구축했습니다.
13시간 전0
🤗 HF헤드라인
Hugging Face와 Cerebras, Gemma 4를 실시간 음성 AI에 도입
Hugging Face와 Cerebras가 협력하여 Gemma 4를 활용한 실시간 음성-대-음성(speech-to-speech) 파이프라인을 공개했습니다. Cerebras의 빠른 추론 성능을 통해 지연 시간을 획기적으로 줄여 자연스러운 대화형 AI 경험을 제공합니다.
5일 전0
🤗 HF헤드라인
ScarfBench: 엔터프라이즈 Java 프레임워크 마이그레이션을 위한 AI 에이전트 벤치마킹
엔터프라이즈 Java 프레임워크 마이그레이션 능력을 평가하기 위한 새로운 오픈 벤치마크인 ScarfBench를 소개합니다. 단순 코드 생성을 넘어 빌드, 배포, 동작 보존 여부를 종합적으로 검증하여 AI 에이전트의 실제 현대화 역량을 측정합니다.
5일 전0
🤗 HF헤드라인
왜 전문화가 불가피한가
Goldfeder et al. (2026)의 연구를 바탕으로 AI 시스템이 범용성보다 전문화(Specialization)를 지향해야 하는 수학적, 생물학적 근거를 설명합니다. 최적화 이론과 자원의 유한성을 근거로, 특정 도메인에 집중된 모델이 더 높은 성능을 달성함을 논증합니다.
6일 전0
🤗 HF헤드라인
Hugging Face 모델 페이지에서 모든 EEE 커뮤니티 평가 결과 제공
Hugging Face가 모델 평가 결과의 파편화 문제를 해결하기 위해 EEE(EvalEval Coalition)와 Community Evals를 결합하여 출시했습니다. 단일 JSON 스키마를 통해 평가 주체, 모델, 설정 등을 표준화하여 모델 성능과 안전성을 투명하게 비교할 수 있도록 지원합니다.
6일 전0
🤗 HF헤드라인
DiScoFormer: 분포 전반에 걸쳐 밀도(Density)와 스코어(Score)를 동시에 처리하는 단일 Transformer
DiScoFormer는 단일 Transformer 구조를 통해 데이터 분포의 밀도(Density)와 스코어(Score)를 동시에 추정하는 새로운 모델입니다. 재학습 없이 단 한 번의 순전파만으로 고차원 데이터의 분포를 복원하며, 밀도와 스코어 간의 수학적 관계를 활용한 일관성 손실을 통해 정확도를 높였습니다.
6일 전0
🤗 HF헤드라인
단 한 번의 명령으로 HF Jobs에서 vLLM 서버 실행하기
Hugging Face Jobs를 사용하여 단 한 번의 명령으로 vLLM 서버를 신속하게 실행하고 배포하는 방법을 설명합니다. GPU 인프라를 활용해 모델 테스트, 평가 및 배치 생성을 위한 환경을 구축하는 가이드를 제공합니다.
6월 25일0
🤗 HF헤드라인
하이브리드 모델은 어떤 토큰을 더 잘 예측하는가?
Olmo 3 Transformer와 Olmo Hybrid 모델을 비교하여 토큰 수준에서의 예측 성능 차이를 분석한 연구입니다. Hybrid 모델은 의미론적 토큰과 문맥 의존적 토큰 예측에 강점을 보이지만, 단순 반복 토큰 예측에서는 Transformer가 더 우세함을 밝혀냈습니다.
6월 25일0
🤗 HF헤드라인
FFASR 리더보드 소개: 실제 환경에서의 ASR 벤치마킹
Treble Technologies와 Hugging Face가 협력하여 실제 환경의 음향 조건을 반영한 원거리 ASR(Far-Field ASR) 벤치마크인 FFASR 리더보드를 출시했습니다. 기존 근거리 중심 평가의 한계를 극복하고 소음, 잔향, 마이크 거리 등 복잡한 환경에서의 모델 성능을 정량화합니다.
6월 24일0
🤗 HF헤드라인
NVIDIA NeMo AutoModel을 통한 Transformer 미세 조정(Fine-Tuning) 가속화
NVIDIA NeMo AutoModel은 Transformers v5를 기반으로 MoE 모델의 미세 조정 성능을 극대화하는 오픈 라이브러리입니다. 전문가 병렬성 및 TransformerEngine 커널을 통해 학습 처리량을 최대 3.7배 높이고 GPU 메모리 사용량을 약 30% 절감합니다.
6월 24일0
🤗 HF헤드라인
AI, 오픈 소스 도구, 그리고 Human in the loop를 활용하여 매주 huggingface_hub를 배포하기
Hugging Face는 오픈 소스 도구와 AI를 결합하여 huggingface_hub 라이브러리의 배포 주기를 4~6주에서 매주로 단축했습니다. 반복적인 기계적 작업은 CI로 자동화하고, 릴리스 노트 작성과 같은 판단이 필요한 영역에는 Human-in-the-loop 방식을 적용하여 효율성을 높였습니다.
6월 23일0
🤗 HF헤드라인
OpenClaw 리포지토리를 무료로 분류(triage)하기 위해 로컬 모델을 활용했습니다!
OpenClaw 리포지토리의 이슈와 PR을 효율적으로 분류하기 위해 Gemma 및 Qwen과 같은 로컬 모델을 활용한 에이전트 시스템 구축 사례를 소개합니다. 폐쇄형 모델의 비용과 가용성 문제를 해결하기 위해 이미 보유한 하드웨어에서 로컬 모델을 사용하여 실시간 분류 및 알림 시스템을 구현하는 방법을 다룹니다.
6월 23일3
🤗 HF헤드라인
MosaicLeaks: 당신의 리서치 에이전트는 비밀을 지킬 수 있습니까?
심층 리서치 에이전트가 외부 도구 사용 중 민감한 정보를 유출하는 '모자이크 효과' 위험을 분석한 연구입니다. MosaicLeaks라는 새로운 태스크를 제안하며, 강화학습 기반의 PA-DR 방법론을 통해 성능을 유지하면서 정보 유출을 획기적으로 줄이는 방안을 제시합니다.
6월 18일0
🤗 HF헤드라인
충분히 에이전트적인가? 사용자의 자체 툴링을 활용한 오픈 모델 벤치마킹
코딩 에이전트의 성능을 측정하기 위해 최종 답변뿐만 아니라 작업 과정 전체를 분석하는 새로운 벤치마크 방식을 소개합니다. Hugging Face의 transformers 라이브러리를 사례로 사용하여, 에이전트 친화적인 소프트웨어 설계와 문서화의 중요성을 강조합니다.
6월 18일0
🤗 HF헤드라인
LLM을 넘어: 확장 가능한 기업용 AI 도입이 에이전트 로직(Agent Logic)에 달려 있는 이유
기업용 AI 도입의 핵심은 단순한 LLM 활용을 넘어 지능적인 '에이전틱 로직(Agentic Logic)'을 구축하는 데 있습니다. 에이전트 로직은 지식 그래프와 알고리즘 등을 활용해 LLM을 기업 워크플로우에 맞게 유도함으로써 비용 효율성과 신뢰성을 높입니다.
6월 18일0
🤗 HF헤드라인
Holo3.1: 빠르고 로컬 실행이 가능한 컴퓨터 사용 에이전트 (Computer Use Agents)
Holo3.1은 데스크톱, 웹, 모바일 환경 모두에서 실행 가능한 범용 컴퓨터 사용 에이전트 제품군입니다. Qwen 기반으로 설계되었으며, 로컬 추론을 위한 다양한 양자화 체크포인트와 함수 호출(function-calling) 프로토콜을 지원합니다.
6월 18일0
🤗 HF헤드라인
에이전트 기반 리소스 검색 (Agentic Resource Discovery): 에이전트가 검색하게 하라
Agentic Resource Discovery(ARD)는 에이전트가 런타임에 필요한 도구와 기능을 동적으로 검색할 수 있도록 정의된 개방형 표준 사양입니다. 기존의 수동 설치 방식이나 컨텍스트 주입 방식의 한계를 극복하여, 의도 기반의 검색을 통해 에이전트 생태계를 확장하는 것을 목표로 합니다.
6월 17일0
🤗 HF헤드라인
MolmoMotion: 언어 가이드 기반 3D 모션 예측 (3D motion forecasting)
MolmoMotion은 텍스트 지침과 3D 지점을 기반으로 객체의 미래 3D 궤적을 예측하는 새로운 모션 예측 모델입니다. 로보틱스 계획 및 비디오 생성에 활용 가능하며, 대규모 데이터셋인 MolmoMotion-1M과 벤치마크인 PointMotionBench를 함께 공개했습니다.
6월 17일0