vLLM 도구 호출 정확도: 제약 디코딩 지원과 실제 적용은 다르다
Ubicloud가 보고한 도구 호출 스키마 정확도 92%→100% 개선을 통해, 모델 가중치뿐 아니라 파서·문법·strict 기본값이 에이전트 품질을 결정하는 이유를 살펴본다.
Blog421 posts
Knowledge WIKI
AI 에이전트, 검색, 문서 AI, 모델 학습을 읽고 만들면서 정리한 글입니다.
분야와 태그로 좁혀 볼 수 있습니다.
421 posts, 14-25 showing
글 목록
Kanana-2 비전 인코더: 언어모델의 가중치로 한국어를 읽는 눈을 만든다
카카오가 공개한 Medium·Tiny 비전 인코더의 생성형 사전학습, 고해상도 처리와 증류를 살펴본다. 완성형 VLM과의 차이, 평가·효율 수치의 조건, 상업 라이선스 제약을 구분한다.
Holi-World: 1인칭 경험을 공간과 시간의 학습 데이터로 바꾼다
Holi-World는 정적 3D 장면과 움직이는 물체의 4D 궤적을 근거가 연결된 기록으로 만들고 VLM을 학습한다. 자동 주석·독립 평가의 역할, 단일 이동 물체 가정과 코드 비공개 방침을 살펴본다.
EgoXperience: 1인칭 영상의 손과 물체를 같은 3D 세계로 복원한다
EgoXperience는 정렬된 데이터 수집·주석과 EgoX 모델을 결합해 카메라·깊이·손·물체를 공통 좌표계로 복원한다. 단안 추론과 다중 센서 주석의 차이, 평가 조건과 공개 상태를 살펴본다.
OpenVLHarness: 시각 에이전트에게 더 긴 생각보다 재사용할 근거를 준다
OpenVLHarness는 지각·검색 도구의 출력을 읽을 수 있는 근거로 바꾸고, 이미지·마스크·깊이 배열을 질문 안에서 재사용한다. 22개 벤치마크의 결과와 비용·재현성·배포 제약을 살펴본다.
OO-Harness: 에이전트 하네스를 하나의 만능 코드 대신 상속 계층으로 진화시킨다
OO-Harness는 실행 기록에서 공통 실패를 찾고, 하네스를 상속·재정의로 특화한 뒤 작업마다 선택한다. 세 벤치마크의 결과와 기본 하네스 재사용, 추론 비용, 재현성의 경계를 살펴본다.
Nimble: 긴 답변 대신 선택지의 확률로 결정을 만든다
Bespoke Nimble은 후보 토큰의 logits로 분류·조건 판단·점수를 반환한다. 대조 데이터 학습과 로컬 추론 구조를 살펴보고, 원본 평가·최신 checkpoint·v4 API의 근거와 라이선스를 분리한다.
Harness²: 에이전트의 하네스와 개선 절차를 함께 진화시킨다
Harness²는 정답 피드백 없이 실행 궤적을 대조해 현재 하네스를 고치고, 그 경험을 다음 개선에 재사용한다. 두 재귀의 역할과 성능·추론 비용·평가 오염의 경계를 살펴본다.
REA: 리버스 엔지니어링을 코딩 에이전트의 근거 수집 도구로
REA는 바이너리·Electron·브라우저 분석을 MCP와 CLI로 연결한다. 핵심은 소스 복원이라는 약속보다 관찰 결과의 출처·범위·미확인 사항을 유지하는 Evidence 계약에 있다.
GroundingPI: 로봇에게 행동보다 먼저 ‘어디’를 가르친다
GroundingPI는 점·박스를 공유 어휘로 생성하는 지각 기반 모델이다. 정밀한 위치 감독이 로봇 정책으로 전이되는 근거와, 시뮬레이션·오픈루프 평가 및 공개 모델의 한계를 구분한다.
PhysBrain 1.5: 이해·동작·미래 상태를 하나의 토큰 모델로 묶다
PhysBrain 1.5는 언어·손목 궤적·미래 RGB·깊이·마스크를 공동 학습한다. 체화 이해 평가의 강점과 실제 로봇 실행으로 아직 입증하지 않은 범위를 구분한다.
VisionWeave: 시각 토큰을 버리지 않고 해상도를 배분한다
VisionWeave는 공간 블록마다 정밀 토큰과 압축 토큰을 선택해 시각 표현의 밀도를 학습한다. 토큰 절감·서빙 효과와 아직 공개되지 않은 학습 가중치를 함께 살핀다.