Hugging Face

OpenAI Codex를 활용해 Mac Metal GPU 커널을 최적화하고 Hugging Face를 통해 경쟁하는 고난도 AI 에이전트 해커톤 가이드이다.

오픈소스 모델과 OpenCode를 결합하여 연구, 기획, 실행, 보고를 자동화하는 다중 에이전트 기반의 자율 연구 시스템 구축 방법과 실전 데모를 제공한다.

Mixture-of-Experts 모델의 부상에도 불구하고 엣지 디바이스 배포와 효율적인 추론을 위해 Dense 모델이 여전히 필수적인 이유와 기술적 이점을 다룹니다.

애플 연구진이 발표한 SSD 기법은 모델이 높은 온도로 생성한 데이터를 스스로 학습함으로써 복잡한 검증기나 강화학습 없이도 코드 생성 성능을 대폭 향상시킨다.

Hugging Face 전문가가 MoE 아키텍처의 작동 원리와 Mixtral, DeepSeek-V2 등 주요 모델을 통한 생태계 변화를 설명한다.

Hugging Face의 엔지니어 Aritra가 MoE 아키텍처의 부상, 밀집 모델의 여전한 가치, 합성 데이터 학습의 명암, 그리고 코딩 에이전트 시대의 엔지니어링 역량 유지 방안을 공유한다.

세계 모델(World Models)과 시각-언어-행동 모델(VLA)을 통해 AI가 물리적 환경을 이해하고 직접 행동하며, 온디바이스 에이전트로 진화하는 2026년의 기술적 전망을 제시한다.

Hugging Face가 출시한 AI 전용 객체 스토리지 Buckets의 특징인 Xet 중복 제거 기술과 CLI/Python 연동 방법을 다룹니다.

CNN에서 시작해 Vision Transformer를 거쳐 현재의 멀티모달 VLM에 이르기까지 AI 비전 기술의 핵심 변곡점과 아키텍처 변화를 요약합니다.

Mistral의 Voxtral 4B TTS와 Cohere Transcribe STT 모델을 Hugging Face의 Storage Buckets, HF Mount, HF Jobs를 통해 대규모로 운영하는 방법을 다룹니다.

C++ WebGPU 백엔드 도입으로 성능을 극대화하고 20B 규모의 대형 모델까지 브라우저 및 서버사이드 자바스크립트 환경에서 실행할 수 있게 된 Transformers.js v4의 주요 업데이트를 다룹니다.

허깅페이스의 Merve와 함께 비전 AI의 발전사, LLaVA와 같은 멀티모달 모델, JEPA 기반의 월드 모델, 그리고 오픈소스 생태계의 중요성을 심도 있게 다룹니다.

Hugging Face가 출시한 Trackio는 로컬 우선의 무료 실험 트래킹 라이브러리로, W&B 호환 API와 AI 에이전트용 분석 기능을 제공한다.

Hugging Face가 주도하는 전 세계 규모의 LeRobot 해커톤을 통해 오픈소스 로봇 AI 기술의 표준화와 데이터 생태계 확장을 추진한다.

LLM의 내부 활성화 공간에 특정 개념 벡터를 더해 모델의 출력 성향을 실시간으로 제어하는 스티어링 기법과 Sparse Autoencoder를 통한 구현 방법을 다룹니다.

허깅페이스 인퍼런스 프로바이더 확장을 통해 VS Code 코파일럿 챗에서 다양한 오픈소스 LLM을 저렴하고 빠르게 활용하는 방법을 소개합니다.

Hugging Face의 오픈소스 채팅 인터페이스인 HuggingChat에 추가된 MCP 서버 지원, OmniRouter, 그리고 동적 스페이스 활용법을 상세히 소개합니다.

Hugging Face의 Trackio 라이브러리를 예시로 Cursor AI 도구를 활용해 오픈소스 프로젝트의 버그를 찾고 수정하여 Pull Request를 보내는 전 과정을 단계별로 안내합니다.

Hugging Face의 Smolagents 라이브러리를 사용하여 오픈 모델 기반의 경량 AI 에이전트를 구축하고 커스텀 도구와 UI를 결합하는 실전 가이드이다.

OpenAI Agents SDK를 사용하여 OpenAI 모델과 Hugging Face의 오픈소스 모델을 통합하고, 멀티 에이전트 협업 및 구조화된 출력을 구현하는 실전 가이드이다.

Trackio를 Hugging Face Hub와 통합하여 모델 학습 지표를 모델 페이지에서 직접 시각화하고 관리하는 워크플로를 소개한다.

Mixture of Experts(MoE) 모델의 핵심인 토큰 라우팅 알고리즘을 이론적 배경부터 PyTorch 코드를 통한 실습까지 단계별로 상세히 설명합니다.

Kimi K2.5와 Claude Code를 프론트엔드 디자인, 버그 수정, 프레임워크 마이그레이션이라는 세 가지 실무 과제로 비교 평가한 결과 Kimi가 근소하게 앞섰다.

오픈소스 로봇 Reachy Mini의 SDK와 OpenAI Realtime API를 활용하여 음성 대화 및 물리적 동작 제어가 가능한 커스텀 AI 앱을 개발하고 배포하는 과정을 다룹니다.