VETNET: 수의학 AI를 위한 벤치마크 데이터 생태계를 짓는 일
단발성 데이터셋이 아니라 살아 있는 평가 생태계로 수의학 AI를 바꾸려는 VETNET 제안을 해설합니다. 사람 의료와 벌어진 간격, 표준화와 협력과 다양성 문제를 따라갑니다.
노시욱 (Patrick Rho)
작성한 글
페이지 3
오래 일하는 에이전트를 재는 법, 터미널에서 세 시간 버티기
46개 과제를 고치고 31개를 더해 77개로 넓힌 LHTB 2.0이 재구성 파이프라인과 단계별 보상, 세 시간 평가로 에이전트의 지속력을 어떻게 측정하는지 해설합니다.
틀린 예측을 고치면서 그리는 법
학습과 생성 사이의 어긋남을 매 스텝에서 바로잡는 Correction Training을 해설합니다.
선생 없이 스스로 나아지는 에이전트, ClawLoop가 던진 질문
외부 선생 모델 없이 하네스 안에서 문제를 만들고 배우고 진단하는 ClawLoop의 자기 개선 루프를 따라가며 Task Synthesis와 진단 기반 커리큘럼의 의미를 읽어봅니다.
조용히 어긋나는 에이전트 데이터 사이언스
돌아가는 코드 뒤에 숨은 여섯 가지 방법론 실수와 220개 과제로 드러난 평가의 빈틈을 읽습니다.
MontageFlow: 물리적으로 틀리지 않는 EEG 생성을 향한 한 걸음
몽타주 항등식을 구조로 강제해 물리적 타당성과 통계적 충실도를 함께 끌어올린 생성 모델 MontageFlow를 해설합니다.
인공물의 첫 시험, 초지능을 재는 LLM 참조 C-test
사람도 최신 모델도 기준이 될 수 없을 때 시험의 난이도를 어디에 고정할지에 대한 논문을 풀어쓴 해설입니다. 역문제와 Levin의 Kt, LLM을 참조 기계로 쓰는 발상을 따라가며 초지능 구간을 인증하는 시험 파이프라인을 살펴봅니다.
점수만 보고 고르면 비싸집니다
86개 오픈 가중치 체크포인트를 일곱 개 벤치마크와 여섯 종 하드웨어에서 재고 실측 에너지와 점수를 함께 읽는 법을 정리했습니다.
디바이스 위에서 뛰는 빠른 사적 에이전트, LFM2.5-24B-A2B
24B 중 토큰당 2B만 깨우는 MoE로 로컬에서 에이전트를 돌리겠다는 Liquid AI의 제안을 뜯어봅니다. 속도, 프라이버시, 배포 조건까지 함께 읽습니다.
왜 전문화는 피할 수 없을까
만능 모델이 강해질수록 오히려 쪼개지는 이유를 작업 복잡도, 비용 구조, 모듈 아키텍처, 하드웨어, 플랫폼 경제의 흐름으로 풀어낸 해설
Hugging Face와 Cerebras가 Gemma 4를 실시간 음성 AI로 가져온 이유
Hugging Face와 Cerebras가 Gemma 4를 실시간 음성 대화에 올린 배경과 구조를 허브 유통부터 웨이퍼 스케일 추론과 전체 음성 파이프라인까지 따라가며 읽습니다.
oMLX를 만든 준 킴이 허깅페이스에 합류한 이유
oMLX를 이끌어온 준 킴의 허깅페이스 합류 소식을 따라가며 MLX와 애플 실리콘 로컬 추론의 현재 위치와 남은 과제를 정리합니다.