LLM X/Twitter
Meta Muse Spark 1.3, 도구 호출 20%·토큰 25% 줄이고 장기 에이전트 강화
Meta의 Muse Spark 1.3이 이전 버전보다 도구 호출을 약 20%, 토큰 사용을 약 25% 줄이면서 장기 코딩·에이전트 작업을 강화했다. 모호한 지시에는 질문하고 중대한 행동 전에는 확인하는 방식으로 작업 지속성과 통제 가능성을 함께 높였으며, 공개 가중치도 예고했다.
2분 소요 1 조회
태그
#efficiency
#efficiency 태그가 달린 기사
LLM 해커뉴스
Show HN: 1-Bit Bonsai가 던진 질문, 초저메모리 LLM은 edge에서 어디까지 갈 수 있나
Hacker News에 올라온 Prism ML의 1-Bit Bonsai는 1.15GB 8B model부터 iPhone급 1.7B model까지, 1-bit weight로 edge inference economics를 다시 쓰겠다는 시도다. 핵심은 parameter count보다 intelligence density와 hardware fit을 전면에 내세운 점이다.
1분 소요 52 조회
LLM
Ares 논문, LLM agent 추론 비용 최대 52.7% 절감 제시
2026년 3월 9일 제출된 arXiv 논문 Ares는 multi-step LLM agent에서 단계별 reasoning effort를 동적으로 조절하는 방식을 제안했다. 저자들은 fixed high-effort 대비 reasoning token 사용량을 최대 52.7% 줄이면서 성공률 저하는 작았다고 보고했다.
2분 소요 41 조회
LLM
DeepSeek mHC 아키텍처, AI 모델 스케일링의 근본 문제 해결... 훈련 안정성 혁신
DeepSeek가 mHC(Manifold-Constrained Hyper-Connections) 아키텍처를 발표하며 트랜스포머의 훈련 불안정성 문제를 해결했다. 6-7% 연산 오버헤드만으로 안정적인 대규모 모델 훈련이 가능해졌다.
2분 소요 39 조회