AI Briefing#machine-learning
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
#machine-learning와 관련된 AI·개발 뉴스를 최신순으로 모았습니다. 원문 출처와 한국어 요약을 함께 확인할 수 있습니다.
Hugging Face가 코딩 에이전트가 모델 학습, 평가, 배포를 수행할 수 있도록 돕는 HF-skills를 공개했다.
Hugging Face가 Swift 개발자를 위해 모델 다운로드 및 Hub API를 지원하는 전용 클라이언트인 swift-huggingface를 출시했다.
Hugging Face가 모델 정의의 단순화와 효율성을 강화한 Transformers v5를 공개했다.
휴리스틱에서 MAB, GMM 블렌딩으로 진화해 광고 수익을 최적화했다.
Hugging Face TRL이 RapidFire AI와 통합되어 미세 조정 실험 속도를 최대 20배 높였다.
OpenAI가 GPT-5를 활용해 수학, 생물학 등 다양한 과학 분야의 연구를 가속화한 초기 실험 사례를 담은 논문을 공개했다.
기업이 AI를 통해 기대한 성과를 얻으려면 비즈니스 목표를 구체화하고 측정하는 평가(evals) 프레임워크가 필수적이다.
Hugging Face의 핵심 라이브러리인 huggingface_hub가 v1.0으로 업데이트되며 대규모 기능 개선과 CLI 개편을 단행했다.
HuggingFace가 datasets 라이브러리의 스트리밍 효율을 개선해 대규모 데이터 학습 속도를 높였다.
Hugging Face가 대규모 로봇 학습 데이터 처리를 위한 LeRobotDataset v3.0을 출시했다.
Together AI 인프라를 통해 Hugging Face Hub의 다양한 LLM을 간편하게 미세 조정할 수 있다.
OpenChat의 사용자 참여를 높이기 위해 메시지 텍스트에서 트렌딩 키워드를 추출하는 기술을 개발했다.
LINE VOOM은 콘텐츠 반영 지연 문제를 해결하기 위해 Milvus 기반의 실시간 추천 시스템을 구축했다.
Intercom은 조기 실험, 엄격한 평가, 유연한 아키텍처를 통해 빠르게 진화하는 AI 모델에 대응하며 경쟁력을 구축했다.
Hugging Face가 wandb의 드롭인 대체제로 사용할 수 있는 경량 실험 추적 라이브러리 Trackio를 공개했다.
Anthropic이 안전하고 신뢰할 수 있는 AI 모델 개발을 위해 5억 8,000만 달러 규모의 Series B 투자를 유치했다.
올리브영은 기존 속성 기반 유사도 계산의 한계를 극복하기 위해 사용자 검색 로그를 활용한 의미론적 상품 유사도 모델을 개발했다.