Mano-P 통한 GUI Agent의 200ms 추론 및 표준 인터페이스 탐색
After MCP, What's the Next Standard Interface for AI Agents?
Multimodal AI API 최적화를 통한 비용 97% 절감 및 마진 확보
How I Cut My Multimodal AI Costs by 97% — A Freelancer's Guide
Coordinate 기반 설계를 넘어 Vision 채널 도입으로 렌더링 버그 해결
What only the pixels knew: giving a canvas agent eyes
AWS News Blog
Claude Fable 5: 비동기 롱런 실행과 Self-verification 기반의 Mythos급 성능 구현
Anthropic Claude Fable 5 on AWS: Mythos-class capabilities with built-in safeguards now available
Qwen3.5 4B 모델 최적화를 통한 저비용 고효율 스캠 분석 도구 구현
Building Pakistan Notice Helper: A Small AI Tool for a Very Local Safety Problem
DPO 도입을 통한 OCR Text Degeneration 59.4% 평균 감소
Direct Preference Optimization Beyond Chatbots
Multimodal Agent Foundation 기반의 GUI 및 코드 통합 워크플로우 구현
Qwen3.7-Plus Is Out: How Developers Should Test It
Qwen3-VL-32B 기반의 비용 대비 고효율 Multimodal AI 파이프라인 구축
How I Tested Every Major Multimodal AI Model in 2026 — And Which One Actually Saved My Wallet
CLIP 파인튜닝 전략으로 건축 스타일 분류 정확도 26%p 향상
Fine-tuning CLIP on a Niche Domain: How I Got +26pp Accuracy on Architectural Styles and What You Can Apply to Your Own Domain
AI 기반 퀀텀 에러 제어로 연산 속도 2.5배 향상 및 오류율 10억 배 개선 지향
Nvidia slaps forehead: I know what quantum is missing - it's AI!
한국 문화 이해부터 화면 조작까지: Kanana-V 기능 확장의 모든 것
카카오의 Multimodal Model Training 팀이 8단계 데이터 정제 파이프라인과 Interleaved 한국어 데이터셋을 적용해 Vision Language Model의 한국 문화 이해 능력 강화 및 PDF·GUI 조작 기능 확장
NVIDIA가 Cosmos Reason 2 비전 언어 모델을 출시해 로봇과 AI 에이전트의 공간-시간 추론 능력 향상 및 입력 토큰 길이를 16K에서 256K로 확장
NVIDIA Cosmos Reason 2 Brings Advanced Reasoning To Physical AI
Vision-Language Model 기반 OCR 엔진 도입으로 텍스트 인식을 넘어 테이블·차트·이미지 등 복잡한 문서 요소를 구조화된 형식으로 추출 가능
Supercharge your OCR Pipelines with Open Models
Hugging Face가 SmolVLM2-2.2B 기반 GUI 에이전트를 2단계 SFT로 훈련해 제로 그라운딩 상태에서 GUI 자동화 능력 확보
Smol2Operator: Post-Training GUI Agents for Computer Use
TRL이 Vision Language Model 정렬을 위해 Mixed Preference Optimization, Group Relative Policy Optimization, Group Sequence Policy Optimization 3가지 새로운 알고리즘을 추가하고 vLLM 통합으로 온라인 정렬 훈련 지원
Vision Language Model Alignment in TRL ⚡️
NVIDIA가 Llama-3.1-8B와 C-RADIOv2-VLM-H를 결합하여 8B 경량 VLM을 개발, OCRBench v2에서 업계 최고 수준의 문서 인식 정확도 달성
Welcome the NVIDIA Llama Nemotron Nano VLM to Hugging Face Hub
nanoVLM에서 KV Cache를 구현해 자동회귀 생성 중 불필요한 재연산을 제거함으로써 38% 속도 향상
KV Cache from scratch in nanoVLM
H Company가 Holo1 Action VLM 모델군을 개발하여 웹 UI 자동화 에이전트 Surfer-H로 실제 웹 작업 정확도 92.2%, 작업당 비용 $0.13 달성
Holo1: New family of GUI automation VLMs powering GUI agent Surfer-H
HuggingFace가 순수 PyTorch 기반의 nanoVLM 저장소를 공개해 Colab 무료 티어에서 Vision Language Model 학습 가능
nanoVLM: The simplest repository to train your VLM in pure PyTorch
Language Technologies Lab이 SigLIP 인코더와 MLP 프로젝터를 Salamandra 7B LLM에 통합해 이미지·비디오 멀티모달 이해 능력 추가
Visual Salamandra: Pushing the Boundaries of Multimodal Understanding