✷ 아카이브 · 연구소 11곳 · 디스패치 870건
연구소
매일 아침 십여 개의 공식 블로그를 돌아볼 필요가 없습니다. OpenAI, Anthropic, DeepMind 등의 일차 발표를 핵심만 뽑아서.
Core ML 및 dots.ocr를 활용한 최신 OCR
Hugging Face는 3B 파라미터의 dots.ocr 모델을 Core ML 및 MLX를 사용해 온디바이스에서 실행하도록 변환하는 과정을 보여주며, OmniDocBench에서 Gemini 2.5 Pro를 능가하는 성능을 달성했습니다.
Hugging Face, 검색 임베딩 평가를 위한 RTEB 도입
Hugging Face는 공개와 비공개 데이터셋을 혼합한 방식을 통해 임베딩 모델의 실제 일반화 및 검색 정확도를 측정하도록 설계된 새로운 표준인 Retrieval Embedding Benchmark (RTEB)의 베타 버전을 출시했습니다.
VibeGame: AI 지원 게임 개발을 위한 고수준 선언형 엔진
Hugging Face 연구원 Dylan Ebert는 고수준 추상화와 AI에 최적화된 웹 기반 스택을 결합하여 '바이브 코딩'을 가능하게 하는 선언형 게임 엔진인 VibeGame를 소개합니다.
Intel Core Ultra에서 깊이‑프루닝된 초안 모델을 사용한 Qwen3-8B 가속화
Intel Core Ultra에서 추측 디코딩과 깊이‑프루닝된 Qwen3‑0.6B 초안을 사용하여 가속화된 Qwen3-8B는 약 1.4배 속도 향상을 달성하여 Hugging Face smolagents를 통해 빠른 로컬 AI 에이전트를 가능하게 합니다.
Nemotron-Personas-Japan 릴리스
NVIDIA는 600만 개의 일본인 페르소나로 구성된 오픈 합성 데이터셋 **Nemotron-Personas-Japan**을 공개했으며, 이는 주권 AI와 문화 인식 LLM 개발을 지원하기 위해 설계되었습니다.
Swift Transformers 1.0 릴리즈 노트 / 새로운 내용
Hugging Face는 Swift Transformers 1.0을 출시했습니다. 이 안정적인 라이브러리는 토크나이저, 허브 접근 및 모델 래퍼를 제공하여 Apple Silicon 개발자를 위한 로컬 LLM 통합을 간소화합니다.
Smol2Operator 릴리스: 작은 VLM을 오픈‑소스 에이전시 GUI 코더로 전환
Hugging Face는 2.2 B 파라미터 SmolVLM2‑2.2B‑Instruct 모델을 오픈소스 에이전시 GUI 코더로 변환하는 사후 훈련 레시피인 Smol2Operator를 공개했으며, 모든 코드, 데이터셋 및 결과 모델을 공개했습니다.
SyGra: LLM 및 SLM 데이터 생성을 위한 로우코드 프레임워크
SyGra는 ServiceNow AI가 개발한 로우코드/노코드 프레임워크로, 대형 및 소형 언어 모델을 위한 데이터셋 생성, 변환 및 정렬을 간소화합니다.
Hugging Face Gaia2 및 Meta Agents Research Environments (ARE) 릴리스
Hugging Face는 복잡하고 실제와 같은 시뮬레이션 환경에서 AI 에이전트를 평가하고 디버깅할 수 있도록 읽기‑쓰기 에이전시 벤치마크인 Gaia2와 Meta Agents Research Environments (ARE) 프레임워크를 출시했습니다.
Scaleway, Hugging Face 추론 제공자로 추가 – 기능, 사용법 및 요금제
Scaleway는 이제 Hugging Face Hub의 공식 추론 제공자로, 저지연·유럽 호스팅 서버리스 방식으로 최첨단 모델에 접근할 수 있으며, 유연한 청구 옵션을 제공합니다.
Hugging Face, Public AI를 추론 제공자로 통합
Hugging Face는 Public AI를 지원되는 추론 제공자로 추가하여 Swiss AI Initiative와 AI Singapore와 같은 기관의 주권 모델에 서버리스 접근을 가능하게 했습니다.
LeRobotDataset v3.0 릴리즈 노트 / 새로운 점
Hugging Face는 LeRobotDataset v3.0을 출시했습니다. 이는 대규모 데이터 저장 및 스트리밍을 가능하게 하여 수백만 개의 에피소드를 지원하는 표준화된 로봇 데이터셋 형식입니다.
Gradio와 함께하는 가시 워터마킹
허깅페이스는 Gradio 라이브러리를 사용해 AI 생성 이미지, 비디오, 텍스트에 가시 워터마크를 간단히 추가하는 방법을 도입하여 합성 콘텐츠 투명성을 향상시켰습니다.
Writer Palmyra-mini 패밀리 출시
Writer는 Palmyra-mini 패밀리를 출시했습니다. 이 패밀리는 1.5B에서 1.7B 파라미터를 갖는 경량 오픈 모델 세트로, 기본 모델과 논리 및 수학에 최적화된 두 가지 특수 추론 변형을 포함합니다.
Transformers 4.40 성능 업그레이드 – OpenAI GPT‑OSS용: 제로‑빌드 커널, MXFP4 양자화, 병렬 처리 및 빠른 로딩
Hugging Face는 OpenAI GPT‑OSS 모델을 위한 제로‑빌드 커널, MXFP4 4‑비트 양자화, 텐서 및 전문가 병렬 처리, 동적 슬라이딩‑윈도우 캐시, 연속 배치, 그리고 더 빠른 모델 로딩을 transformers 라이브러리에 추가했습니다. 이를 통해 효율성과 확장성이 크게 향상되었습니다.
Together AI를 활용한 Hugging Face Hub LLM 파인튜닝
Together AI와 Hugging Face는 플랫폼을 통합하여, 개발자가 Together AI의 인프라를 사용하여 Hugging Face Hub의 모든 호환 가능한 LLM을 파인튜닝할 수 있도록 했습니다.
Jupyter 에이전트: 노트북을 활용한 LLM 추론 훈련
Hugging Face는 고품질 합성 데이터를 생성하고 최적화된 스캐폴딩을 제공하는 파이프라인을 소개하여 Qwen3-4B와 같은 소형 LLM을 최첨단 데이터 과학 에이전트로 전환합니다.
mmBERT: ModernBERT가 다국어로 확장
Hugging Face는 1,800개 이상의 언어에서 3조 토큰 이상으로 학습된 대규모 다국어 인코더 모델 mmBERT를 소개하며, 이는 성능과 추론 속도 모두에서 XLM‑R을 능가합니다.
EmbeddingGemma 300M 릴리즈 노트
Google은 308M 파라미터의 다국어 임베딩 모델인 EmbeddingGemma를 출시했으며, 500M 이하 모델 중 MTEB 벤치마크에서 최고 성능을 기록하고 온‑디바이스 사용에 최적화되었습니다.
SandboxAQ SAIR 데이터셋 릴리스
SandboxAQ는 실험 IC₅₀ 라벨과 짝을 이룬 공동 접힘 3D 단백질-리간드 구조의 가장 큰 데이터셋인 SAIR를 공개했으며, 5백만 개가 넘는 AI 생성 구조를 제공하여 AI 기반 신약 발견을 가속화합니다.
Hugging Face ZeroGPU 사전 컴파일 가이드
Hugging Face는 ZeroGPU Spaces를 위한 사전 컴파일(AoT) 방식을 도입하여, Flux, Wan, LTX와 같은 생성 모델에서 JIT 컴파일 오버헤드를 제거함으로써 1.3배에서 1.8배까지 속도 향상을 가능하게 합니다.
NVIDIA Nemotron 사후 학습 데이터셋 v2 및 Nemotron Nano 2 9B 출시
NVIDIA는 600만 개 샘플의 다국어 추론 데이터셋과 하이브리드 Transformer-Mamba 아키텍처를 활용해 추론 비용과 처리량을 최적화하는 Nemotron Nano 2 9B 모델을 출시했습니다.
Claude와 Hugging Face로 이미지 생성
Hugging Face는 Model Context Protocol (MCP) 서버를 통해 AI를 Hugging Face Spaces에 연결함으로써 Claude 내에서 이미지 생성을 가능하게 합니다.
연구를 위한 Hugging Face MCP: AI와 연구 도구 연결
Hugging Face는 Research Tracker MCP를 도입하여 AI 에이전트가 Model Context Protocol을 통해 arXiv, GitHub 및 Hugging Face를 통합함으로써 연구 탐색을 자동화할 수 있게 합니다.
Hugging Face kernel-builder: 프로덕션 수준 CUDA 커널 구축 및 확장을 위한 가이드
Hugging Face는 Hugging Face Hub를 통해 프로덕션 수준 CUDA 커널의 개발, 다중 아키텍처 컴파일 및 배포를 간소화하는 kernel-builder 라이브러리를 소개합니다.
Kimina-Prover-RL 출시
Hugging Face는 Lean 4를 이용한 형식적 정리 증명을 위한 오픈 소스 RL 학습 파이프라인과 두 개의 SOTA 모델(0.6B 및 1.7B)을 출시했습니다.
Arm과 ExecuTorch 0.7: 생성 AI를 수십억 대의 디바이스로 확장
Arm과 ExecuTorch 0.7 베타는 KleidiAI를 통한 자동 AI 가속을 제공하고, SDOT 명령어를 활용해 Llama 3.2와 같은 LLM을 수십억 대의 기존 Arm 기반 디바이스에 적용합니다.
Arm Neural Super Sampling (NSS) 릴리스
Arm은 GPU 작업량을 감소시키고 모바일 기기에서 고해상도 렌더링을 가능하게 하는 AI 기반 업스케일링 솔루션인 Neural Super Sampling (NSS)을 출시했습니다.
FilBench: 필리핀 언어에서 LLM 능력 평가
Hugging Face는 타갈로그어, 필리핀어, 세부아노어에서 LLM의 유창성, 언어 능력 및 문화 지식을 평가하도록 설계된 포괄적인 평가 스위트인 FilBench를 소개했습니다.
TextQuests: 텍스트 기반 비디오 게임에서 LLM 에이전시 추론 평가
Hugging Face는 25개의 고전 Infocom 인터랙티브 픽션 게임을 활용하여 LLM 에이전트의 긴 컨텍스트 추론 및 탐색 능력을 평가하는 벤치마크인 TextQuests를 소개합니다.
Hugging Face AI Sheets 출시
Hugging Face가 오픈 소스 무코드 도구인 AI Sheets를 출시했습니다. 이 도구는 오픈 AI 모델을 사용하여 데이터셋을 구축, 변환 및 풍부하게 만들 수 있습니다.
Accelerate ND-Parallel: 효율적인 다중 GPU 훈련 가이드
Hugging Face는 Accelerate와 Axolotl에 ND-Parallelism을 통합하여 사용자가 데이터, 완전 샤드 데이터, 텐서, 컨텍스트 병렬화 전략을 결합해 대규모 모델의 다중 GPU 훈련을 최적화할 수 있도록 했습니다.
TRL에서의 Vision Language Model Alignment
Hugging Face는 MPO, GRPO, GRPO, GSPO를 포함한 Vision Language Models를 위한 고급 정렬 방법을 지원하기 위해 TRL 라이브러리를 확장했습니다. 또한 네이티브 SFT 지원 및 vLLM 통합을 제공합니다.
NVIDIA AI-Q Blueprint: DeepResearch Bench에서 최고 순위의 오픈 딥 리서치 에이전트
NVIDIA의 AI-Q Blueprint는 Hugging Face DeepResearch Bench에서 오픈 라이선스 스택 중 최고 순위를 차지했으며, Llama 3.3-70B Instruct와 Llama-3.3-Nemotron-Super-49B-v1.5를 결합하여 사용합니다.
3LM: 아랍어 LLM을 위한 STEM 및 코드 벤치마크
Hugging Face와 TII UAE가 3LM을 소개합니다. 이는 STEM 과목 및 코드 생성에 대한 아랍어 대형 언어 모델을 평가하도록 설계된 최초의 포괄적인 벤치마크입니다.
Gradio를 사용한 Python에서 MCP 서버 구현
Hugging Face는 Gradio를 사용해 Python 개발자가 Model Context Protocol (MCP) 서버를 빠르게 구축할 수 있는 방법을 소개합니다. 이를 통해 LLM은 Hugging Face Hub에 있는 수천 개의 AI 모델 및 Spaces와 통합될 수 있습니다.
Hugging Face Trackio 릴리스
Hugging Face는 무료이며 오픈소스인 경량 실험 추적 라이브러리 Trackio를 출시했습니다. 이 라이브러리는 wandb의 대체품으로 바로 사용할 수 있으며 Hugging Face Spaces와 Datasets와의 네이티브 통합을 제공합니다.
Hugging Face CLI 업데이트: hf 명령어로 전환
Hugging Face가 huggingface-cli를 hf로 이름을 바꾸어 보다 인체공학적인 리소스-액션 명령 구조를 도입하고, HF 인프라에서 스크립트를 실행할 수 있는 새로운 hf jobs 서비스를 제공한다.
효율적인 데이터 중복 제거를 위한 Parquet 콘텐츠 정의 청크화
Hugging Face는 이제 PyArrow와 Pandas에서 사용할 수 있는 Parquet 콘텐츠 정의 청크화(CDC)를 도입하여 Xet 스토리지 레이어에서 Parquet 파일의 효율적인 중복 제거를 가능하게 하며, 업로드 및 다운로드 시간을 크게 줄입니다.
Diffusers와 PEFT를 사용한 Flux의 빠른 LoRA 추론
Hugging Face는 hotswapping, torch.compile 및 FP8 양자화를 결합하여 LoRA 추론을 최대 2.23배 가속시키는 Flux.1-Dev용 최적화 레시피를 소개합니다.
TimeScope: 장시간 비디오 대형 멀티모달 모델 이해를 위한 새로운 벤치마크
Hugging Face는 1분에서 8시간에 이르는 콘텐츠에 삽입된 비디오 needle를 사용하여 비전-언어 모델의 시간 이해도를 평가하는 오픈소스 벤치마크인 TimeScope를 소개합니다.
NVIDIA NIM과 Hugging Face 통합
NVIDIA는 NVIDIA NIM을 확장하여 Hugging Face에서 100,000개 이상의 LLM을 지원하도록 했으며, 모델 분석, 백엔드 선택 및 성능 최적화를 자동화하는 단일 Docker 컨테이너를 제공하여 빠른 배포를 가능하게 합니다.
Arc 가상 세포 챌린지 프라이머
Arc 가상 세포 챌린지는 참가자들에게 CRISPR를 이용한 유전자 침묵이 세포 전사체에 미치는 영향을 예측하는 모델을 훈련하도록 요구하며, 30만 개의 단일 세포 RNA 시퀀싱 프로파일 데이터셋을 활용합니다.
Gradio 5.38.0 MCP 서버 개선
Gradio 버전 5.38.0은 Model Context Protocol (MCP) 서버 기능에 다섯 가지 주요 업데이트를 도입했으며, 원활한 로컬 파일 지원, 실시간 진행 알림, 자동 OpenAPI 사양 변환 등을 포함합니다.
Hugging Face FutureBench: 미래 이벤트 예측에 대한 AI 에이전트 평가
Hugging Face는 FutureBench를 도입했습니다. 이 벤치마크는 AI 에이전트에게 미래 실제 사건을 예측하도록 요구함으로써 추론 및 종합 능력을 평가하며, 데이터 오염을 효과적으로 제거합니다.
Consilium: Multi-LLM 협업 플랫폼
Consilium은 구조화된 토론과 연구를 통해 여러 AI 모델이 합의에 의한 도달할 수 있도록 하는 멀티-LLM 플랫폼으로, Gradio 인터페이스와 MCP 서버로 모두 통합됩니다.
Ettin Suite: 최신 상태의 페어 인코더와 디코더
Hugging Face는 동일한 데이터와 학습 레시피로 훈련된 17M~1B 파라미터 규모의 페어 인코더 전용 및 디코더 전용 모델 모음인 Ettin을 소개합니다. 이를 통해 아키텍처 성능을 통제된 방식으로 비교할 수 있습니다.
Git LFS에서 Xet으로의 Hugging Face Hub 마이그레이션
Hugging Face는 AI 워크로드에 맞춰 확장하도록 설계된 콘텐츠 주소 지정 스토리지 시스템인 Xet으로 Git LFS에서 500,000개의 리포지토리와 20 PB의 데이터를 마이그레이션했습니다.
Kimina-Prover: 대규모 형식 추론 모델에 대한 테스트 시점 RL 검색 적용
Hugging Face는 Lean 4용 최첨단 정리 증명 모델인 Kimina-Prover-72B를 발표했으며, 새로운 테스트 시점 강화 학습(TTRL) 검색 프레임워크를 활용해 miniF2F 벤치마크에서 92.2%의 통과율을 달성했습니다.
Hugging Face MCP 서버 구축
Hugging Face는 공식 Model Context Protocol (MCP) 서버를 출시했습니다. 이를 통해 AI 어시스턴트가 단일 URL로 Hugging Face Hub와 수천 개의 Gradio 기반 AI 애플리케이션에 동적으로 접근할 수 있습니다.