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.

SenseNova가 이미지 이해, 생성, 편집 기능을 통합한 경량 멀티모달 모델 U1.5-Lite-Preview를 오픈소스로 공개했습니다. 8B 규모임에도 4K 고해상도 생성과 정교한 텍스트/레이아웃 편집 능력을 갖추어 상용 모델 수준의 성능을 보여줍니다.

SenseTime이 이해와 생성이 통합된 비전 거대 모델인 SenseNova-Vision을 오픈소스로 공개했습니다. 단일 모델로 객체 탐지, 이미지 분할, 3D 재구성 등 다양한 비전 태스크를 네이티브하게 수행할 수 있습니다.

Kimi K3 모델은 2.8조 개의 파라미터를 가진 초대형 오픈 소스 모델로, 성능이 매우 뛰어납니다. Artificial Analysis와 Arena 같은 주요 벤치마크에서 Fable 5 및 GPT-5.6 Sol에 근접한 수준을 보여주었습니다. 특히 웹 앱 리팩토링과 백엔드/DB 구현 테스트에서도 우수한 풀스택 개발 능력을 입증했습니다.

통계 학습 입문서인 'An Introduction to Statistical Learning'의 내용을 Python 코드로 구현한 오픈소스 프로젝트 isl-python을 소개합니다. 회귀, 분류, 규제화 등 주요 통계 학습 개념을 장별로 실습할 수 있도록 구성되었습니다.

연구 및 논문 작성 과정을 효율화하기 위한 오픈 소스 자동화 도구 모음인 'Awesome-Auto-Research-Tools'를 소개합니다. 문헌 조사부터 실험 실행, 초안 수정까지 연구 전 과정에 기여하는 핵심 프로젝트들을 선별하여 정리했습니다.

대규모 모델 연구를 심화하려면 애플리케이션 수준을 넘어 근본적인 시스템의 학습 및 최적화 과정을 이해해야 합니다. 이 글은 2022년부터 2026년까지의 최고 학회 논문들을 체계적으로 정리한 LLMSys-PaperList라는 문헌 모음을 소개합니다.

로컬 우선(local-first) 의료 AI 프로젝트인 OpenMed가 소개되었습니다. 이 프로젝트는 모든 분석을 로컬 장치에서 수행하여 환자 데이터 유출 위험이 없으며, 임상 텍스트 구조화 및 민감 정보 비식별화를 지원합니다. 특히 Apple 장치에 최적화되어 오프라인에서도 고속 처리가 가능합니다.

AI를 활용하여 논문이나 보고서를 작성할 때 구조적 문제와 수정의 어려움이 있었습니다. PaperSpine은 '동기'를 중심 줄기로 삼아 글쓰기를 진행하며, 목표 저널 스타일과 예시 샘플을 기반으로 작성을 돕는 기술입니다. 또한 인용 지원 라이브러리를 구축하여 재검토 및 수정을 용이하게 합니다.

讯飞星辰 MaaS에서 Alibaba의 최신 Qwen 모델을 개발자들에게 무료로 무제한 제공하는 이벤트를 진행합니다. 이번에 개방되는 Qwen 3.6 및 Qwen 3.5 모델은 멀티모달 능력을 지원하며, 코드, 추론, 시각 등 다양한 작업에 활용 가능하고 긴 컨텍스트 창을 갖추고 있습니다.

NVIDIA가 텍스트, 이미지, 비디오, 오디오 및 동작 시퀀스를 통합 처리하는 세계 모델 플랫폼 Cosmos 3를 오픈소스로 공개했습니다. 이 플랫폼은 추론과 생성을 하나의 아키텍처로 통합하여 물리적 AI 개발을 위한 고품질 데이터 생성과 시뮬레이션을 지원합니다.

Stanford REAP 팀이 8대 사회과학 분야의 연구 프로세스를 자동화하는 23,000개 이상의 에이전트 기술 라이브러리를 구축했습니다. 연구의 전 과정을 구조화된 워크플로우로 코딩하여 사용자 개입을 최소화한 것이 특징입니다.
계산화학 분야에서 머신러닝 적용에 관심이 있는 연구자들을 위해, GitHub의 'Best of Atomistic Machine Learning' 컬렉션이 소개되었습니다. 이 컬렉션은 원자 수준 머신러닝 관련 오픈소스 프로젝트 510개 이상을 체계적으로 정리하고 있으며, 포텐셜 함수, 재료 발견, 시각화 도구 등 23개 카테고리로 분류되어 있습니다. 연구자들이 필요한 도구나 모델을 한눈에 파악할 수 있도록 도와주어, 연구 과정에서 시간과 노력을 크게 절약해 줄 수 있는 유용한 리소스입니다.
전통적인 머신러닝 모델은 테이블 형식 데이터를 예측할 때 하이퍼파라미터 튜닝과 피처 엔지니어링에 많은 시간과 노력이 필요하며, 특히 작은 데이터셋에서는 과적합 문제가 발생하기 쉽습니다. 최근 등장한 TabPFN과 같은 새로운 접근 방식은 이러한 어려움을 해결하고 테이블 데이터에 특화된 분류 및 회귀 작업을 효율적으로 수행할 수 있도록 돕는 기초적인 솔루션을 제공합니다.
이 글은 Claude Code와 개인 지식 관리 시스템(Obsidian)을 통합하는 'obsidian-second-brain' 프로젝트를 소개합니다. 이 프로젝트는 Obsidian 저장소를 AI의 스킬로 활용하여, 단순한 노트 추가를 넘어 기존 노트를 능동적으로 수정하고 모순을 조정하며 숨겨진 규칙까지 정리하는 진정한 'AI 2대뇌' 역할을 수행하게 합니다. 이 시스템은 다양한 슬래시 명령어를 제공하며, 특히 밤에 자동으로 저장소를 정비하고 아침에는 완벽하게 구조화된 상태로 사용자가 작업할 수 있도록 하는 네 가지 타이밍 에이전트 기능을 갖추고 있습니다.