Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
X @adithya_s_k (자동 발견) 5건필터 해제
RL Environment Creator Skill 소개
이 글은 누구나 강화학습(RL) 환경을 쉽게 생성할 수 있는 방법을 소개합니다. `npx skills add adithya-s-k/RL_Envs_101` 명령어를 통해 접근 가능한 이 스킬을 사용하면 OpenEnv, OpenReward, Verifiers, NemoGym 등 다양한 프레임워크에 걸쳐 작동하는 RL 환경을 구축할 수 있습니다.
이것은 아직 매우 초기 단계의 작업이며 크게 변경될 가능성이 있습니다.
RL Environment Creator Skill을 통해 누구나 강화학습(Reinforcement Learning, RL) 환경을 생성할 수 있게 되었습니다. 이 기능을 사용하면 OpenEnv, OpenReward, Verifiers, NemoGym 등 다양한 프레임워크를 아우르는 환경 생성이 가능합니다. 현재는 초기 단계의 작업이므로 기여와 개선 제안을 환영하고 있습니다.
Hugging Face Hermes Agent > 로컬 앱에 Hermes Agent를 추가했습니다: 호환 가능한 모든 GGUF/MLX 모델로
Hugging Face가 Hermes Agent를 업데이트하여 사용자들이 로컬 애플리케이션에 통합할 수 있도록 했습니다. 이 업데이트를 통해 모든 GGUF/MLX 모델을 사용하여 로컬 환경에서 에이전트를 구동할 수 있게 되었으며, 또한 Hub에서 Hermes 트레이스를 직접 시각화할 수 있는 네이티브 트레이스 지원도 추가되었습니다.
오늘: OpenMed Agent가 프리뷰(preview)로 출시됩니다.
OpenMed Agent가 프리뷰로 출시되었으며, 이는 Hugging Face 기반으로 구축되었습니다. 이 에이전트는 임상 추출 및 용어 기능을 지원하는 HF 엔드포인트를 제공하며, 사용자가 자체 서비스를 위한 MCP(Model Control Plane)를 구축할 수 있게 합니다. 모든 도구 호출과 계획 과정이 투명하게 공개되는 것이 특징입니다.
Hugging Face에서 방금 공개 데이터셋 1,000,000개를 돌파했습니다! 이는 수백만 명의 AI 빌더들이 매일 다운로드하고, 분석하며
Hugging Face에서 공개된 데이터셋의 수가 100만 개를 돌파했습니다. 이는 수백만 명의 AI 빌더들이 매일 다운로드하고, 분석하며, AI 모델 학습에 사용하는 페타바이트(petabytes)급 데이터를 의미합니다. 특히 에이전트(agents) 성능 향상 이후로 데이터셋 사용 및 활용에서 뚜렷한 가속화가 관찰되고 있습니다.
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.