vision-language modelautoregressive next-token prediction출처 HF Daily Papers
PhysBrain 1.5: 시각-언어 모델에서 물리 기초 모델로172 추천3 댓글
vision-language model저자 54명한계 언급 없음
우리가 본 것
원제 — PhysBrain 1.5: From Vision-Language Models to Physical Foundation Models
“PhysBrain 1.5 unifies physical environment understanding, action generation, and future state prediction via joint autoregressi…”
대상 주장 — Across 28 embodied understanding benchmarks, our 8B model achieves an average score of 72.5, setting a new open-source state of the art and performing on par with leading proprietary mode…
나온 때 2026-09-13
가져온 때 2026-09-15 23:01 UTC · 70061e1a1aeb68ea
뜯은 자리 — 초록
토론 ↗ recursive self-improvementexploration strategies출처 HF Daily Papers
Dream-RSI: 진화하는 세계를 통한 재귀적 자기 개선278 추천3 댓글
recursive self-improvement저자 17명한계 적음
우리가 본 것
원제 — Dream-RSI: Recursive Self-Improvement through Evolving Worlds
“Dream-RSI enables scalable recursive self-improvement by using historical discovery replay to evaluate exploration policies off…”
나온 때 2026-09-13
가져온 때 2026-09-15 23:01 UTC · 263aacf523ded915
뜯은 자리 — 초록
토론 ↗ foundation agentic language modelVerifiable Experience Pipeline출처 HF Daily Papers
Atria Dawn: 에이전틱 초지능의 서막424 추천3 댓글
foundation agentic language model저자 143명한계 언급 없음
우리가 본 것
원제 — Atria Dawn: The Dawn of Agentic Superintelligence
“Atria Dawn Preview is a foundation agentic language model trained through verified tool interactions that achieves strong bench…”
대상 주장 — Across 16 benchmarks spanning real-world research, engineering, and digital work, Atria Dawn Preview is competitive with frontier agents and achieves the highest reported score on five of…
나온 때 2026-09-13
가져온 때 2026-09-15 23:01 UTC · 21c391716120f827
뜯은 자리 — 초록
토론 ↗ 출처 Hacker News
나를 제외한 모든 이들은 AI 개발을 늦춰야 한다736 점433 댓글
한계 언급 없음395단어
우리가 본 것
원제 — Everyone should slow down AI development except for me
제목과 링크만 주는 소스라 인용할 것이 없다.
나온 때 2026-09-13
가져온 때 2026-09-13 23:03 UTC · df33ebe0d318324d
뜯은 자리 — 원문 페이지
토론 ↗ HTML출처 GitHub
Recurrent Looped Transformer(RLT) 공식 프로젝트 페이지858 스타84 포크
Apache-2.0HTML커밋 2일 전
국가 추정 · 미상
우리가 본 것
원제 — yifanzhang-pro/recurrent-looped-tranformer
“Official Project Page for Recurrent Looped Transformer (RLT)”
대상 주장 — Training length is 32 operations; evaluation extends to 128 operations (4× the training length), with 2,048 test programs per task and length.
나온 때 2026-09-12
가져온 때 2026-09-15 23:01 UTC · 675776a9a37fe26a
계정이 적어 둔 문자열 — 계정이 비워 뒀다
뜯은 자리 — README
출처 HF Daily Papers
StepAudio 3 실시간 기술 보고서91 추천1 댓글
저자 90명한계 언급 없음
우리가 본 것
원제 — StepAudio 3 Realtime Technical Report
“Realtime spoken interaction demands deep reasoning, prompt responses, and fluid turn-taking. We present StepAudio 3 Realtime, a…”
대상 주장 — StepAudio 3 Realtime achieves top-tier performance across key dimensions: an exceptional 90.6 on the MMSU benchmark, 98.9 Overall on the Artificial Analysis Full-Duplex Bench, and a 56.0%…
나온 때 2026-09-11
가져온 때 2026-09-16 23:01 UTC · c13c53fb82422478
뜯은 자리 — 초록
토론 ↗ Pythonai출처 GitHub
AI 코딩 어시스턴트 채팅 기록 추출기825 스타132 포크
MITPython커밋 4일 전
국가 추정 · 미상
우리가 본 것
원제 — kruzovic7/ai-data-extractor
“Free open-source extractor for AI coding assistant chat histories. Supports Claude Code, Cursor, Windsurf, Aider, Cline/Roo Cod…”
나온 때 2026-09-11
가져온 때 2026-09-15 23:01 UTC · 32cd43375b85b5e6
계정이 적어 둔 문자열 — 계정이 비워 뒀다
뜯은 자리 — README
image-text-to-textgguf출처 Hugging Face
ukisai/Swift-Qwen3.8-27B-GGUF 출시179 좋아요55k 다운로드
otherSwift-Qwen3.8-27b 기반
우리가 본 것
원제 — ukisai/Swift-Qwen3.8-27B-GGUF
제목과 링크만 주는 소스라 인용할 것이 없다.
대상 주장 — (<1% loss) and as a result getting a x1.95 speed-up on several tasks.
나온 때 2026-09-11
가져온 때 2026-09-15 23:01 UTC · fae0d09608b75058
뜯은 자리 — 모델 카드
comfyui출처 Hugging Face
Comfy-Org/YuE2 공개150 좋아요59k 다운로드
cc-by-nc-4.0SheetSage2 기반
우리가 본 것
원제 — Comfy-Org/YuE2
제목과 링크만 주는 소스라 인용할 것이 없다.
나온 때 2026-09-11
가져온 때 2026-09-15 23:01 UTC · 65418212282ccac7
뜯은 자리 — 모델 카드
image-text-to-texttransformers출처 Hugging Face
DeepSeek-V4.1-Flash-UNCENSORED-FP8 공개229 좋아요6.8k 다운로드
mitDeepSeek-V4.1-Flash 기반
우리가 본 것
원제 — dealignai/DeepSeek-V4.1-Flash-UNCENSORED-FP8
제목과 링크만 주는 소스라 인용할 것이 없다.
대상 주장 — The refusal circuitry is surgically removed while every capability-critical component (routed experts, Engram memory, CSA2 sparse attention, DSpark draft head, vision tower, router gates,…
나온 때 2026-09-10
가져온 때 2026-09-13 23:03 UTC · aba564a993aae2f3
뜯은 자리 — 모델 카드
vision-action shortcutslatent interface training출처 HF Daily Papers
시각-행동 지름길 극복을 위한 LIT 학습법71 추천2 댓글
vision-action shortcuts저자 4명한계 언급 없음
우리가 본 것
원제 — Breaking the Vision-Action Shortcut: Latent Interface Training for Generalizable Robotics Foundation Models
“LIT improves robot action generalization by first training pose-conditioned action priors without images, then constraining vis…”
대상 주장 — Across four vision-language-action and world-action architectures (Pi0.5, MolmoAct2, FAST-WAM, and ImageWAM), LIT improves overall LIBERO-Plus success by 3.87-10.70 percentage points whil…
나온 때 2026-09-10
가져온 때 2026-09-14 23:01 UTC · 3e83d75847ca11ec
뜯은 자리 — 초록
토론 ↗ gated sliding-window attentionfull attention출처 HF Daily Papers
ZGCM-1: 수학 및 에이전트 검색을 위한 완전 공개형 고효율 파운데이션 모델302 추천7 댓글
gated sliding-window attention저자 22명한계 적음
우리가 본 것
원제 — ZGCM-1: A Fully Open and Extremely Efficient Foundation Model for Math and Agentic Search
“ZGCM-1 is a 7B open foundation model that combines internal reasoning with external tool use, trained via efficient architectur…”
대상 주장 — On several challenging mathematical reasoning and agentic search suites, it remains competitive with frontier models orders of magnitude larger, such as Qwen3-235B-A22B and GLM-5.1.
나온 때 2026-09-10
가져온 때 2026-09-15 23:01 UTC · fcb1e94d9a32e870
뜯은 자리 — 초록
토론 ↗ image-text-to-textgguf출처 Hugging Face
Qwen3.8-27B-TWIN-TURBO 모델 공개143 좋아요114k 다운로드
apache-2.0Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored 기반
우리가 본 것
원제 — DavidAU/Qwen3.8-27B-TWIN-TURBO-Fable-Cold-Fusion-709-L-Uncensored-NM-DAU-NEO-MTP-GGUF
제목과 링크만 주는 소스라 인용할 것이 없다.
대상 주장 — TWIN TURBO: Closed source level of intelligence with an arc-c at 709 (this is instruct "medium", reasoning is even higher), while using smaller quants too.
나온 때 2026-09-10
가져온 때 2026-09-14 23:01 UTC · 68058414275bc9a3
뜯은 자리 — 모델 카드
large language models (LLMs)AI benchmarks출처 HF Daily Papers
Benchmark Radar: AI 벤치마크를 위한 데이터베이스 및 검색 엔진187 추천9 댓글
large language models (LLMs)저자 7명한계 언급 없음
우리가 본 것
원제 — Benchmark Radar: A Living Database and Search Engine for AI Benchmarks and Evaluation
“Benchmark Radar is a searchable living database and discovery engine for AI evaluation benchmarks that aggregates sources, scor…”
나온 때 2026-09-09
가져온 때 2026-09-14 23:01 UTC · 1cc8c83680c0c992
뜯은 자리 — 초록
토론 ↗ real-time video generationspatial video generation출처 HF Daily Papers
Vidu S2: 실시간 상호작용 및 편집 가능한 공간 비디오 생성695 추천2 댓글
real-time video generation저자 35명한계 언급 없음
우리가 본 것
원제 — Vidu S2: Real-Time Interactive, Editable, and Spatial Video Generation
“Vidu S2 introduces real-time interactive avatar and video editing models that support high-resolution spatial video generation …”
대상 주장 — Experiments show that Vidu S2 outperforms all baselines.
나온 때 2026-09-09
가져온 때 2026-09-15 23:01 UTC · 5e45abe94152d970
뜯은 자리 — 초록
토론 ↗ image-text-to-texttransformers출처 Hugging Face
ukisai/Swift-Qwen3.8-27b 공개323 좋아요2.8k 다운로드
otherQwen3.8-27B 기반
우리가 본 것
원제 — ukisai/Swift-Qwen3.8-27b
제목과 링크만 주는 소스라 인용할 것이 없다.
대상 주장 — (<1% loss) and as a result getting a x1.95 speed-up on several tasks.
나온 때 2026-09-08
가져온 때 2026-09-14 23:01 UTC · b4d8039f21680101
뜯은 자리 — 모델 카드
post-trainingsupervised fine-tuning출처 HF Daily Papers
Feyospace-v1: 사이버 머큐리 세븐의 프론티어 모델 학습법130 추천3 댓글
post-training저자 7명한계 언급 없음
우리가 본 것
원제 — Feyospace-v1: How the Cyber Mercury Seven Trained Frontier Cyber Models
“A data-centric framework with specialized systems for reasoning analysis, cost reduction, and execution verification enables sm…”
대상 주장 — The three checkpoints improve over their starting models by an average of 23.76% on the full CyberGym suite and 10.49% across the pooled CTF suites.
나온 때 2026-09-07
가져온 때 2026-09-14 23:01 UTC · 4d29dafb2e864139
뜯은 자리 — 초록
토론 ↗ Pythonai출처 GitHub
tokentab: AI CLI 사용 비용 계산 도구1.1k 스타215 포크
MITPython커밋 6일 전
국가 추정 · 못 알아봄
우리가 본 것
원제 — crwdla/tokentab
“A CLI that reads Claude Code, Codex, and Gemini CLI session logs and works out how much they cost, by model, project, and day.”
대상 주장 — Cache hit under ~80%, consistently - your context probably isn't stable between calls, or caching isn't switched on.
나온 때 2026-09-07
가져온 때 2026-09-13 23:03 UTC · 285e008f28d1dc05
계정이 적어 둔 문자열 — Newcastle
뜯은 자리 — README
catastrophic forgettingcontinual supervised fine-tuning출처 HF Daily Papers
지속적 학습 메커니즘을 통한 장기 기억 구성287 추천3 댓글
catastrophic forgetting저자 4명한계 언급 없음
우리가 본 것
원제 — Continual Learning Mechanisms Compose for Long-Horizon Memorization
“Composing complementary continual learning mechanisms substantially improves long-horizon memorization in language models by co…”
대상 주장 — Our best method combines all three anchors with merged LoRA, ranks among the top 3 methods in all datasets, and raises average final retention from 1.2% under naive sequential fine-tuning…
나온 때 2026-09-06
가져온 때 2026-09-16 23:01 UTC · 299fad04b14317fa
뜯은 자리 — 초록
토론 ↗ Pythonai-upscaling출처 GitHub
NeuralScreen: Windows 데스크톱용 DLSS 5 NR823 스타45 포크
라이선스 없음Python커밋 오늘
국가 추정 · 미상
우리가 본 것
원제 — perseval-BLR/NeuralScreen
“DLSS 5 NR on your whole Windows desktop, in real time with Boost, FG, etc. RTX 30/40/50, 12 languages, user presets, recording …”
대상 주장 — Windows 10 and multi-GPU systems are experimental — v1.12 fixes adapter/output selection from user logs, not local hardware.
나온 때 2026-09-06
가져온 때 2026-09-15 23:01 UTC · b6fda159d2186867
계정이 적어 둔 문자열 — 계정이 비워 뒀다
뜯은 자리 — README
Pythonai출처 GitHub
시나리오 작법을 위한 전문 에이전트 기술1.2k 스타134 포크
MITPython커밋 오늘
국가 추정 · 캐나다
우리가 본 것
원제 — jtydhr88/screenwriting-skills
“Professional agent skills for screenwriting, television writing and dramaturgy”
나온 때 2026-09-06
가져온 때 2026-09-15 23:01 UTC · 23ae32d1655cbeed
계정이 적어 둔 문자열 — Toronto, Canada
뜯은 자리 — README
RLVRGRPO출처 HF Daily Papers
DataFlex-RL: RLVR 데이터 정책 평가 플랫폼110 추천2 댓글
RLVR저자 5명한계 적음
우리가 본 것
원제 — DataFlex-RL: An Evaluation Platform for RLVR Data Policies
“DataFlex-RL evaluates reinforcement learning data policies and finds that uniform sampling matches or exceeds adaptive rollout …”
대상 주장 — Uniform GRPO improves the domain-balanced average accuracy by 7.76 percentage points over the untrained checkpoint.
나온 때 2026-09-04
가져온 때 2026-09-14 23:01 UTC · 8b008970febe99b9
뜯은 자리 — 초록
토론 ↗ image-text-to-textsafetensors출처 Hugging Face
TaichuAI/ZDTaichu5.0-9B 출시151 좋아요213 다운로드
라이선스 없음
우리가 본 것
원제 — TaichuAI/ZDTaichu5.0-9B
제목과 링크만 주는 소스라 인용할 것이 없다.
대상 주장 — Within the 10B-scale general-purpose VLMs compared in this release blog, ZDTaichu5.0-9B retains first-tier general visual understanding while supporting spatial reasoning, high-level embo…
나온 때 2026-09-04
가져온 때 2026-09-15 23:01 UTC · 5179574dcefd9e42
뜯은 자리 — 모델 카드
TypeScriptagents출처 GitHub
shadcn-ui/lint 공개1.7k 스타25 포크
MITTypeScript커밋 어제
국가 추정 · 미상
우리가 본 것
원제 — shadcn-ui/lint
“An agent-first linter for Tailwind design systems. Write design system rules that agents can verify.”
대상 주장 — 10% to 48% less than with rules alone.
나온 때 2026-09-02
가져온 때 2026-09-15 23:01 UTC · 2bae6979048769f9
계정이 적어 둔 문자열 — 계정이 비워 뒀다
뜯은 자리 — README
Rust출처 GitHub
DLSS 5 원클릭 설정 도구 공개769 스타55 포크
MITRust커밋 오늘
국가 추정 · 미상
우리가 본 것
원제 — faisalkindi/DLSS5oneclick
“One-click setup of the leaked DLSS 5 neural-rendering build for any DX11/DX12 game on RTX 20–50, with or without DLSS. ReShad…”
대상 주장 — exe) - the game exe is detected automatically (the folder and two levels below it are searched, so bin\x64dx12\ and Unreal Binaries\Win64\ layouts work; Unity crash handlers, Unreal helpe…
나온 때 2026-08-31
가져온 때 2026-09-13 23:03 UTC · 38bc58445c3c8fae
계정이 적어 둔 문자열 — 계정이 비워 뒀다
뜯은 자리 — README
text-generationtransformers출처 Hugging Face
Meta, Llama 3.1-8B-Instruct 공개7.7k 좋아요5.9M 다운로드
llama3.1Llama-3.1-8B 기반
우리가 본 것
원제 — meta-llama/Llama-3.1-8B-Instruct
제목과 링크만 주는 소스라 인용할 것이 없다.
나온 때 2024-07-18
가져온 때 2026-09-14 23:01 UTC · bad7065e70b23d0e
뜯은 자리 — 목록뿐 (원문을 못 읽었다)
출처 Simon Willison
ChatGPT Images 2.5 소개9월 8일
한계 언급 없음155단어
우리가 본 것
원제 — Introducing ChatGPT Images 2.5
“Introducing ChatGPT Images 2.5 OpenAI's image generation models are apparently used "more than 3 billion images across ChatGPT …”
나온 때 2026-09-08
가져온 때 2026-09-08 23:01 UTC · 816483cf8f30597f
뜯은 자리 — 목록뿐 (원문을 못 읽었다)
출처 AWS ML Blog
Amazon Bedrock에서 GPT-6 Astra 사용 가능9월 8일
한계 언급 없음1.1k단어
우리가 본 것
원제 — Take on your most ambitious work with GPT-6 Astra on Amazon Bedrock
“GPT-6 Astra from OpenAI is now generally available on Amazon Bedrock. It brings deeper reasoning and sharper judgment to your m…”
나온 때 2026-09-08
가져온 때 2026-09-08 23:01 UTC · 61555b0baa6fc6fd
뜯은 자리 — 목록뿐 (원문을 못 읽었다)
출처 TechCrunch AI
해커들이 구독자들의 Claude 토큰을 탈취 중9월 8일
한계 언급 없음1.0k단어
우리가 본 것
원제 — Hackers are stealing Claude tokens from subscribers
“Last month, a Claude user noticed his account was consuming tokens even though he wasn't working. Anthropic has since warned us…”
대상 주장 — On August 4, Grant De Swardt, an independent AI consultant in East Sussex, U.K., noticed something strange going on with his Claude Max 20x account.
나온 때 2026-09-08
가져온 때 2026-09-08 23:01 UTC · 54678fe5fffcfda7
뜯은 자리 — 원문 페이지
출처 TechCrunch AI
Cognition 기업 가치 480억 달러 기록9월 8일
한계 언급 없음668단어
우리가 본 것
원제 — Cognition hits $48B valuation, signaling investors believe AI coding is far from a winner-take-all market
“Cognition's valuation multiple is higher than Cursor's was before selling to SpaceX.”
나온 때 2026-09-08
가져온 때 2026-09-08 23:01 UTC · 01e544511c92e0f3
뜯은 자리 — 원문 페이지
고른 조건에 맞는 것이 이 페이지에 없다.
논문·레포·모델·블로그·레딧·팟캐스트를 하루 한 번 기계가 긁는다. 모은 것은 한 번씩 뜯는다 — README·초록·모델 카드를 열어 보고, 거기서 나온 것은 카드가 되든 안 되든 계속 갖고 있는다. 제목과 링크는 원문으로 가고, 여기서 원문을 다시 싣지 않는다.
카드의 회색 줄은 소스가 내세우는 말이 아니라 뜯어서 나온 것이다 — 라이선스, 마지막 커밋, 무엇 위에 얹은 모델인지, 논문이 자기 한계를 적었는지. 무엇을 읽고 그렇게 적었는지는 「우리가 본 것」을 펴면 나온다. 「목록뿐」이라고 적힌 것은 원문을 못 읽었다는 뜻이다 — 우리를 막는 사이트가 있고, 그걸 읽은 척하지 않는다.
따옴표가 붙은 줄은 원문에서 그대로 옮긴 문장이다 — 대상이 스스로 밝힌 수치이지 우리가 잰 값이 아니다. 검증하지 않고 옮기기만 했고, 그러라고 따옴표를 붙였다.
한국어 제목과 요약은 기계(내 컴퓨터에서 돌리는 AI 모델)가 원문을 읽고, 처음 보는 사람도 알아듣게 풀어 쓴 것이다. 내가 읽고 쓴 것이 아니다. 원문에 없는 수치나 평가는 넣지 말라고 시켜 두었지만 기계가 쓴 것이니, 확실히 하려면 원문을 본다 — 원제는 카드를 펼치면 있다.
주제는 원문 제목·인용·태그에 나온 낱말을 정해진 목록과 맞춰 기계가 매긴 것이다 — 카드를 읽는 모델은 없다. 아무 낱말도 안 걸려 주제가 하나도 없는 카드가 있고, 주제를 고르면 그건 빠진다. 소스와 주제는 같이 걸린다.
카드마다 그때 실제로 읽은 문장 한 줄과, 그때 받아 온 응답의 지문을 남긴다. 원문은 여기 저장하지 않는다 — 나중에 원문이 바뀌거나 사라져도 담보하는 것은 "우리가 본 시점의 그 문장"이지 페이지 전체가 아니다.
계정이 스스로 적은 자유 문자열 하나로 추정한다. 절반은 그 칸을 비워 둔다 — 그래서 「미상」을 숨기지 않고 한 칸으로 둔다.