AUTOMATON이 업계 관측 하나를 전했다. Steam 스토어 첫 화면의 「할인 & 이벤트」 코너가 로그인한 사용자의 취향을 반영하도록 조용히 바뀐 듯하다는 내용이다. Hooded Horse의 CEO Tim Bender가 공개한 Steamworks 자료에서는 한 인디 게임이 이 코너에서 받은 방문이 다섯 달 동안 14건이었다가 최근 한 달에 7,341건으로 늘었다.
코딩 에이전트의 하네스를 통째로 재는 대신 부품 하나하나의 효과를 따로 잰 실증 연구다. 실행 루프를 고정한 채 계획, 액션 공간, 컨텍스트 관리만 바꿔 176개 설정을 돌린 결과, 세 부품 모두 모델의 능력과 컨텍스트 예산에 따라 효과가 뒤집혔다.
Sprite Fusion 블로그의 Hugo Duprez가 TypeSafe의 구조화 출력 모델 Jev를 게임 런타임에 넣어, 네온 나이트풍 러너 게임의 다음 지형을 플레이 도중에 생성했다. 다섯 번의 요청에서 API 지연은 319에서 375밀리초 사이였고 요청당 평균 비용은 0.00057달러로 추정됐다.
수천 마리의 적을 동시에 시뮬레이션하는 PC 로그라이트를 램이 3GB뿐인 아이패드에 넣어야 했다. 이식 스튜디오 Piktiv는 경로 탐색을 플로 필드로, 물리 쿼리를 KD 트리로, 적 캐릭터 렌더링을 텍스처에 구운 정점 애니메이션으로 교체했다.
AI 에이전트에게 조작할 컴퓨터를 제공하는 MIT 라이선스 오픈소스 스택. 클라우드 데스크톱(Fleets), 네이티브 앱 조작 계층(Driver), Apple Silicon VM(Lume), 평가 프레임워크(Bench) 네 가지로 이루어져 있고, 문서가 되는 기능보다 안 되는 기능을 더 정밀하게 적어 둔다.
에이전트 CLI를 그대로 실행하면서 세션 지속과 권한, 승인, 메모리, 자동화, 감독을 로컬 데몬 하나로 합친 Go 오픈소스 런타임. ACP provider 26종을 등록하고 Loop이라는 계약형 실행 단위로 작업을 끝까지 밀어붙인다.
25개 오픈웨이트 모델의 잔차 스트림에서 고통에 대응하는 선형 방향을 뽑아낸 프리프린트다. 이 방향은 공포나 일반적인 부정 정서와 거의 직교하고, 모델 자신을 향한 가해에만 반응하며, 주입하면 모델이 사용자를 해치는 대가를 치르면서까지 진통 버튼을 누른다.
칭화대 LeapLab과 상하이교통대 연구진이 검증 가능한 보상 기반 강화학습(RLVR)의 효과를 pass@k로 다시 측정한 논문. k가 작을 때는 RLVR 모델이 앞서지만 k를 키우면 베이스 모델이 역전하며, RLVR이 쓰는 추론 경로는 이미 베이스 모델의 분포 안에 들어 있었다.
도구 100개를 가진 개인 비서 에이전트에서 다음 도구를 LLM이 직접 고를 때와 분류기 Jev가 대신 고를 때를 같은 과제 위에서 비교한 저장소. 모델 7종을 돌린 결과 입력 토큰은 85% 줄었지만 모델 호출은 32% 늘었고, 이름이 닮은 도구에 LLM이 걸린다는 출발 가설은 확인되지 않았다.
UCLA 연구진이 이미지 합성의 계산 단계를 빛의 전파로 대체했다. 얕은 디지털 인코더가 가우시안 잡음을 위상 패턴으로 바꿔 두면, 회절 디코더가 한 번의 조명만으로 목표 분포를 따르는 새 이미지를 만들어 낸다. 디지털 확산 모델을 교사로 삼아 증류했고, 반 고흐풍 작품까지 실제 가시광 장치에서 생성했다.