Posts

DeepResearch GitHub 바로가기 DeepResearch는 알리바바랩이 개발한 대규모 언어모델로, 30.5억 개의 파라미터 중 토큰당 3.3억만 활성화되는 구조를 갖추고 있습니다. 이 모델은 장기적이고 심도 깊은 정보 검색과 같은 복잡한 과제에 특화되어 있으며, WebWalker와 WebDancer 등 다양한 연구형 웹 에이전트 계열 모델들을 포함하는 연구군의 일원입니다. 목적은 대표적 웹 기반 탐색 및 정보 습득 태스크에서 최첨단 성능을 달성하는 것에 있으며, 다이내믹이고 확장 가능한 자동 데이터 생성 pipeline, 계속적 사전학습, 강화학습 방법론을 통해 지속적으로 성능을 향상시키고 있습니다. 구조는 API, CLI 기반의 inference 스크립트, 모델 다운로드 링크 그리고 평가용 데이터 파일 포맷 지원을 포함하며, 사용자는 환경 세팅부터 평가 데이터 준비 및 inference 실행까지 일련의 과정을 따라 사용할 수 있습니다. 기술 스택에는 파이썬, Hugging Face 모델 허브, ModelScope, API 연동 등 최신 NLP 및 딥러닝 기술들이 반영되어 있습니다. 최근 2025년 9월에 Tongyi-DeepResearch-30B-A3B 모델이 공개되었으며, 다양한 벤치마크에서 최첨단 성능을 기록하고 있습니다. 참고 링크와 상세 설명, 벤치마크 결과, 활용 사례, 관련 논문, 채용 정보도 공개되어 있어 연구 개발 및 산업적 적용에 관심 있는 이용자에게 유용합니다. ...

CookLikeHOC CookLikeHOC은 ‘像老乡鸡那样做饭’이라는 이름으로 개발된 비공식 프로젝트로, 중국 내 ‘老乡鸡’(Home Original Chicken) 브랜드의 메뉴와 레시피를 기반으로 요리 정보를 제공하는 웹사이트입니다. 이 프로젝트의 목적은 사용자들이 老乡鸡 메뉴의 유래와 조리법, 사진 자료 등을 쉽게 찾아볼 수 있도록 하여, 음식의 역사와 요리법을 공유하는 데 있습니다. 이 프로젝트는 주로 음식 레시피, 음식 재료 출처, 메뉴 정보 등을 제공하는 서비스를 중심으로 하며, 웹 인터페이스를 통해 사용자들이 메뉴를 탐색하고 기여할 수 있도록 설계되어 있습니다. 최근 업데이트에서는 일부 메뉴의 AI 기반 사진 자료가 공개되었으며, 사용자들이 직접 사진을 기여할 수 있는 기능도 지원합니다. ...

DeepResearch 깃허브 바로가기 DeepResearch는 알리바바 연구팀이 개발한 대규모 언어모델로, 30.5억 개의 파라미터를 가진 에이전시(Agentic) 모델입니다. 이 모델은 긴 시간 동안의 심층 정보 탐색과 검색을 위한 목적으로 설계되었으며, 기존의 WebAgent 프로젝트를 기반으로 발전된 버전입니다. DeepResearch는 고품질의 에이전틱 데이터 기반의 대규모 사전학습, 강도 높은 강습(Fine-tuning), 그리고 강화학습을 통해 성능을 극대화하며, Humanity’s Last Exam, BrowserComp 등 다양한 벤치마크에서 최첨단 성적을 기록하고 있습니다. 이 프로젝트는 API 및 CLI를 통한 모델 다운로드와 inference를 지원하며, Python 환경에서의 구축, 데이터 준비 및 추론 수행 방법을 제공합니다. 사용자들은 HuggingFace 또는 ModelScope에서 모델을 직접 다운로드할 수 있으며, 인퍼런스 환경을 위해 Python 3.10.0을 권장하며, 가상환경 또는 conda를 통해 설치하는 것이 좋습니다. ...

MarkItDown MarkItDown은 다양한 문서 파일과 포맷을 Markdown으로 변환하는 경량 Python 유틸리티입니다. 주요 목적은 대형 언어 모델(LLM)과 텍스트 분석에 적합한 형식으로 문서 구조와 내용을 Markdown으로 쉽게 변환하는 데 있습니다. 지원 기능에는 PDF, PowerPoint, Word, Excel, 이미지(이셀렉 Metadata 및 OCR), 오디오(메타데이터 및 음성 인식), HTML, CSV, JSON, XML, ZIP, 유튜브 URL, 전자책(ePub) 등이 포함되며, 플러그인 확장도 지원됩니다. 구조적으로는 Python 패키지와 CLI 명령어, 플러그인 시스템이 존재하며, API 중심으로 설계되어 있어 사용자들이 커스터마이징이 가능합니다. 기술 스택에는 Python 3.10 이상, optional Dependencies로 PDF, Office 문서, 미디어 처리 라이브러리, Azure Document Intelligence 서비스 연동, LLM 클라이언트(예: OpenAI)가 활용됩니다. 최근 버전 0.1.0에서는 의존성 조직 변경과 API 인터페이스 수정 등 주요 Breaking Changes가 있었으며, MCP 서버 지원 기능이 추가되어 LLM 애플리케이션 통합이 향상되었습니다. 또한, 도커 지원과 플러그인 개발 가이드도 제공되어 커뮤니티 확장성이 높습니다. 프로젝트는 Microsoft의 오픈소스 코드 오퍼레이션 정책과 코드 오퉁드콧 등 지침을 따르고 있으며, 기여는 Issue, PR 리뷰, 타사 플러그인 개발 등 다양한 방식으로 환영받고 있습니다. ...

monad GitHub 바로가기 이 프로젝트는 Category Labs에서 개발한 Monad 노드의 실행 컴포넌트를 담당하며, 블록체인 네트워크의 트랜잭션 처리와 상태관리를 담당합니다. 목적은 블록 생성 및 검증, 블록체인의 상태 추적, 그리고 EVM 호환 블록체인에서 블록을 재생하는 기능을 제공하는 것입니다. 제공하는 핵심 기능으로는 자체 구현한 EVM, 데이터베이스 시스템, 고수준 트랜잭션 스케줄링이 있으며, 이들 모두는 블록체인 실행 환경의 핵심 구성요소입니다. 이 프로젝트는 CMake, Ninja 빌드 시스템과 gcc-15 또는 clang-19를 기반으로 개발되었으며, 최신 x86-64-v3 또는 하스웰 아키텍처를 지원하는 CPU를 필요로 합니다. 코드 구조는 실행 및 합의 기능이 명확히 구분된 소스 트리 내 다양한 디렉토리로 구성되어 있으며, Git 서브모듈을 통해 의존성 라이브러리를 자동 관리합니다. 주요 사용 대상은 블록체인 개발자와 연구원으로, 블록 재생 시뮬레이션, 블록체인 노드 운영, 시스템 테스트 등에 활용됩니다. 최근 릴리즈나 변경내역은 문서에 별도로 명시되어 있지 않으며, 빌드와 실행에 필요한 도구 및 환경 세팅 가이드가 상세히 제공됩니다. 이 프로젝트는 최신 하드웨어와 소프트웨어 환경을 기반으로 하며, 실행 강화를 위해 최적의 컴파일러 플래그와 환경설정을 요구합니다. 특이사항으로, 독립된 ‘monad-bft’ 저장소와 연동되어 합의 기능도 함께 개발되고 있다는 점이 참고됩니다. ...

MarkItDown 바로가기 MarkItDown은 다양한 파일 형식을 Markdown으로 변환하는 파이썬 기반의 경량 유틸리티입니다. 이 프로젝트의 목적은 대규모 언어 모델(LLM)과 텍스트 분석 파이프라인에서 유용하게 활용될 수 있도록, 문서 구조와 내용을 보존하며 Markdown 포맷으로 변환하는 기능을 제공하는 것입니다. PDF, PowerPoint, Word, Excel, 이미지(Exif 메타데이터 및 OCR 처리), 오디오(메타데이터 및 화자 인식), HTML, CSV, JSON, XML, ZIP 내 항목, 유튜브 URL, EPUB 등 다양한 입력 형식을 지원하며, 구조화된 문서 콘텐츠를 사람이 읽기 쉬운 Markdown으로 전달합니다. ...

Build a Large Language Model (From Scratch) https://github.com/rasbt/LLMs-from-scratch 바로가기 이 프로젝트는 대규모 언어 모델(LLM)을 처음부터 직접 개발, 사전학습, 미세조정하는 코드를 포함하는 저장소입니다. ‘Build a Large Language Model (From Scratch)‘라는 책의 공식 깃허브 저장소로, 독자가 내부 동작 원리와 구현 방법을 단계별로 학습할 수 있도록 설계되었습니다. 목적은 사람들에게 작은 규모의 모델을 교육적 목적으로 만들고 이해하는 과정을 제공하며, 실제 대형 모델 개발과 유사한 접근 방식을 학습하는 데 도움을 줍니다. 구조적으로, 이 프로젝트는 Python과 PyTorch를 이용한 여러 코드 예제와 실습용 노트북, 모델 설계와 학습, 미세조정, 평가에 필요한 스크립트로 구성되어 있습니다. 주요 대상은 딥러닝과 자연어처리 분야에 관심이 있는 개발자, 연구자, 학생들이고, 실습과 이해를 목적으로 하는 커리큘럼을 제공합니다. 기술 스택은 Python, PyTorch 기반이며, GPU 지원과 일반 CPU 환경을 모두 고려한 설계입니다. 최근 릴리즈 현황은 지속적 업데이트를 통해 다양한 모델과 기능, 최적화 기법이 추가되고 있으며, 특히 미세조정, 사전학습, 효율적인 학습 방법, 확장성 있는 모델 설계 등에 집중하고 있습니다. 참고 링크로는 공식 깃허브 저장소, 책 판매 페이지, 관련 부록과 여러 실습 자료, 보너스 콘텐츠들이 존재하며, 사용 시 PyTorch와 Python 환경의 적절한 세팅이 필요합니다. 또, 이 프로젝트는 공식 문서와 함께 교육용 비디오 강좌도 제공하여 다양한 학습 방식을 지원합니다. ...

PowerShell PowerShell은 Windows, Linux, macOS에서 동작하는 크로스 플랫폼 자동화 및 구성 도구 프레임워크입니다. 기존 도구와 잘 호환되며, 구조화된 데이터(JSON, CSV, XML 등), REST API, 객체 모델을 효과적으로 처리하는 데 최적화되어 있습니다. 이 프로젝트는 명령줄 셸, 스크립트 언어, cmdlet 처리 프레임워크를 포함하고 있으며, 개발자와 사용자 모두에게 시스템 관리와 자동화 기능을 제공합니다. 기본 구성 요소로는 PowerShell 소스코드, 빌드 스크립트, 문서, 커뮤니티 참여를 위한 github 이슈 및 논의 페이지가 있으며, 다양한 플랫폼에서 설치 가능하도록 지원됩니다. 개발 및 기여를 위해 가이드와 RFC 문서, 빌드 가이드, 소스코드 다운로드 방법이 제공되며, 커뮤니티 대시보드와 지원, 라이선스 정책, 보안 정책 관련 링크도 포함되어 있습니다. 최신 릴리즈 및 nightly 빌드 상태는 Azure CI를 통해 확인할 수 있습니다. PowerShell 사용자는 공식 문서, 커뮤니티 채널, 깃허브 디스커션, Gitter, Discord 등에서 커뮤니티와 소통하며 프로젝트에 기여할 수 있습니다. ...

PowerShell PowerShell은 윈도우, 리눅스, macOS에서 작동하는 크로스플랫폼 자동화 및 구성 도구이자 프레임워크입니다. 구조적으로는 명령줄 쉘, 스크립트 언어, cmdlet 처리를 위한 프레임워크로 구성되어 있으며, JSON, CSV, XML 같은 구조화된 데이터, REST API, 객체 모델과 연동하여 작업하는 데 최적화되어 있습니다. 주요 사용 대상은 시스템 관리자와 개발자로, 서버 관리, 자동화, 배치 작업 등에 유용합니다. 기술 스택으로는 .NET Core(C# 기반), 크로스플랫폼 지원, Azure DevOps를 통한 CI/CD, GitHub을 통한 오픈소스 협업 환경이 사용됩니다. 최근 버전 릴리즈 및 변경 사항으로는 PowerShell 7 이상이 지속적으로 업데이트되고 있으며, Microsoft와 커뮤니티가 활발히 유지보수 중입니다. PowerShell은 오픈소스로 MIT 라이선스 하에 배포되며, Windows, Linux, macOS별 빌드와 설치 안내, 소스코드 다운로드 방법, 커뮤니티 참여 방법, 도커 컨테이너 지원, 텔레메트리 수집, 보안 정책 등 다양한 자료와 지원 채널을 제공하고 있습니다. 참고 링크: PowerShell GitHub ...

Ripple 바로가기 Ripple은 TypeScript 기반의 UI 프레임워크로, React, Solid, Svelte의 핵심 아이디어를 결합하여 하나의 패키지로 제공하는 프로젝트입니다. 이 프레임워크는 배우기 쉬운 JSX와 컴포넌트 기반 구조, 강력한 타입 지원, 그리고 뛰어난 성능을 목표로 개발되고 있으며, 아직 초기 개발 단계이기 때문에 프로덕션 용도로는 사용하지 않는 것이 권장됩니다. 핵심 기능으로는 반응형 상태 관리, 재사용 가능한 컴포넌트, JSX 스타일 템플릿, 고급 타입 안전성, VSCode 통합, Prettier 지원 등이 포함되어 있으며, 또한 React 스타일의 이벤트 핸들러, 스타일링, 컨텍스트, 디코레이터, 그리고 다양한 React와 유사한 동작 방식을 지원합니다. 이 프로젝트는 개방형 기여와 실험적 아이디어 공유를 위해 시작된 프로젝트이며, GitHub, StackBlitz 온라인 편집기, 디스코드 커뮤니티를 통해 참여와 정보 공유가 가능합니다. 주로 프론트엔드 웹 개발자를 대상으로 하며, 아직 SSR(서버사이드 렌더링)은 지원하지 않고 일부 타입 지원도 미흡한 상황입니다. ...