3qk7 · AI LOCAL LABS
TECHNICAL SCOUTING
AI FRONTIER
Signals worth understanding before they become obvious.
2026-11-02
01
testmodelsopen source unlock
ccore/Qwen3.5-4B-3D-Coder: Three.js 3D 장면에 집중한 4B 오픈 프리뷰 모델
ccore가 Qwen/Qwen3.5-4B를 기반으로 독립 파인튜닝한 초기 프리뷰 모델을 공개했으며, Three.js 기반 인터랙티브 3D 장면 생성에 초점을 맞춥니다. FP16 가중치, GGUF 양자화 버전, 학습 데이터셋, 기술 보고서도 함께 공개되었습니다.
- 파라미터 수는 4.5B이며 저장소 표기는 5B params, 텐서 유형은 F16이다.
- 라이선스는 Apache 2.0이며 Qwen/Qwen3.5-4B 기반의 독립 파인튜닝으로 Qwen 공식 릴리스가 아니다.
- 학습 데이터셋 CCORE Three.js 3D Scenes는 4,146개 장면 예시(학습 3,933 / 검증 213)를 포함하며 MIT 라이선스로 공개되었다.
- Q4_K_M과 Q8_0 GGUF는 약 644 MiB의 BF16 비전 프로젝터와 함께 이미지 입력을 받을 수 있으며 llama.cpp b11889에서 로컬 테스트되었다.
공개 데이터셋과 GGUF 가중치를 갖춘 4B급 모델은 개발자가 로컬 64K 컨텍스트에서 Three.js 3D 장면 및 이미지 기반 생성을 저비용으로 실험하게 해준다.
02
watchresearchincremental
IBM Granite 시계열 모델을 활용한 앙상블 예측
IBM Research가 Granite Timeseries Ensemble을 공개했다. 네 개의 사전 학습된 Granite 모델을 확장 가능한 예측 인터페이스로 결합해 재학습이나 앙상블 가중치 적합 없이 중앙값과 분위수 예측을 반환한다.
- 기본 레시피는 Granite PatchTST-FM-r1(Patched Transformer), Granite PatchTST-FM-r2(Patched Conformer), Granite FlowState-r1.1(상태 공간 모델), Granite TTM-r3(Tiny Time Mixers) 네 모델을 결합한다.
- 97개 GIFT-Eval 데이터셋 구성에서 평가한 결과 Probabilistic Ensemble의 MASE는 0.683으로 PatchTST-FM-r2의 0.685보다 낮았다. PatchTST-FM-r2의 CRPS/MWQL은 0.467로 여섯 예측 중 가장 낮았다.
- 레시피는 병합된 모델 가중치가 아니라 앙상블 구성을 저장하며, 런타임에 네 개의 멤버 체크포인트를 다운로드하므로 첫 실행에는 추가 시간이 필요하다.
- 기본 분위수 범위는 0.1에서 0.9이며, 0.1과 0.9 분위수가 명목 80% 커버리지의 중심 예측 구간을 정의한다.
AI 빌더에게 이 앙상블은 단일 아키텍처를 미리 선택하지 않아도 되는 기본 출발점을 제공하지만, MASE 우위가 작아 주된 이점은 견고성이며 네 모델 추론의 지연과 메모리 비용을 함께 고려해야 한다.
03
watchresearchcapability unlock
Google, DNA를 설계하고 실험실에서 학습하는 AI 에이전트 공개
Pasquale Pillitteri 보도에 따르면 Google은 DNA를 설계하고 실험실 피드백으로 학습하는 AI 에이전트를 공개했다.
- 출처는 Pasquale Pillitteri의 보도이다.
- 보도는 Google이 DNA를 설계하고 실험실에서 학습하는 AI 에이전트를 공개했다고 전한다.
AI 빌더에게 이는 실험실 폐루프 피드백과 에이전트를 결합한 DNA 설계 연구 방향을 가리키는 신호다.