NousResearch

추상적인 개념이나 원리를 움직이는 손잡이와 바늘이 있는 정밀한 기계로 표현하고, 비스듬히 내려다보는 조작형 설명도를 HTML, SVG, React용으로 제작합니다.

• 움직이는 기계로 추상 개념 설명
• 기술 글에 조작형 설명도 추가
• 독립 실행형 HTML 설명 자료 제작

유료 API의 HTTP 402 응답에서 결제 요구 사항을 확인하고, 호환되는 클라이언트로 요청별 요금을 지불한 뒤 API 결과와 영수증 정보를 확인하도록 안내합니다.

• HTTP 402를 반환하는 API 결제
• 결제 방식에 맞는 클라이언트 선택
• 유료 서비스 탐색과 지출 관리

Turn audio and video into text across 99 languages, translate speech into English, and create timestamped subtitles. The skill covers model selection, transcription settings, and batch processing for recordings such as meetings and podcasts.

한국어 요약은 준비 중입니다. 영어 요약을 표시하고 있습니다.

• Transcribing recorded meetings
• Turning podcasts and videos into text
• Translating foreign-language recordings into English

Axolotl로 대규모 언어 모델을 추가 학습하는 데 필요한 YAML 설정, 데이터 형식과 학습 방법을 안내합니다. 여러 GPU의 설정과 학습 오류, 속도 문제 조사에도 활용합니다.

• 추가 학습용 YAML 설정 작성
• LoRA와 QLoRA 학습 방법 확인
• 데이터 형식과 API 사용법 확인

Unsloth로 언어 모델을 추가 학습하도록 돕습니다. LoRA와 QLoRA 구현, 기능과 API 확인, 코드 오류 조사, GPU 메모리를 줄이는 학습 방법 탐색을 지원합니다.

• LoRA와 QLoRA 추가 학습 시작
• Unsloth 기능과 API 확인
• 학습 코드의 오류 조사

Hugging Face Hub에서 로컬 언어 모델을 찾고, 메모리에 맞는 GGUF 파일을 고르도록 돕습니다. 파일 용량을 비교하고 llama.cpp 실행 명령을 준비합니다.

• 메모리에 맞는 로컬 모델을 찾습니다
• GGUF 종류와 파일 용량을 비교합니다
• 로컬 채팅 서버 실행을 준비합니다

TRL로 언어 모델을 추가 학습해 지시와 사람의 선호에 맞는 답변을 만들도록 안내합니다. 데이터 준비, 학습 방식 선택, 보상 모델 학습과 평가를 다룹니다.

• 답변 예시로 지시 수행을 학습합니다
• DPO로 답변 선호를 학습합니다
• 보상 모델을 쓰는 RLHF를 구성합니다

DSPy로 질문 응답과 문서 검색을 결합한 AI 처리를 만듭니다. 입출력을 정의한 구성 요소를 조합하고 학습 예시와 평가 지표로 프롬프트를 자동 조정합니다.

• 문서 검색을 결합한 질문 응답 만들기
• 학습 예시로 프롬프트 조정하기
• 텍스트에서 구조화된 데이터 추출하기

hf 명령어로 Hugging Face Hub의 모델과 데이터셋을 찾고 다운로드·업로드합니다. 저장소, 실행 환경과 로컬 캐시 관리도 다룹니다.

• 모델과 데이터셋을 찾아 다운로드하기
• 로컬 파일을 Hub에 업로드하기
• 저장소 생성과 브랜치·태그 관리하기

SAM으로 이미지 속 대상을 점이나 사각형으로 지정해 오려낼 영역을 추출합니다. 자동 마스크 생성, 경계 수정, 학습 데이터 준비와 브라우저 및 장치 배포 절차를 안내합니다.

• 대상을 투명 배경 이미지로 추출합니다
• 이미지 영역 지정 도구를 만듭니다
• 이미지 인식용 학습 데이터를 준비합니다

LLM이 JSON, 정규 표현식, Pydantic 타입 정의에 맞춰 답변을 생성하도록 합니다. 텍스트에서 추출한 정보와 분류 결과를 후속 프로그램에서 다루기 쉬운 형식으로 정리합니다.

• 텍스트에서 기업과 제품 정보를 추출할 때
• 정해진 라벨로 리뷰를 분류할 때
• 프로필을 항목별로 정리할 때

vLLM으로 대규모 언어 모델을 API로 제공하거나 많은 입력을 일괄 처리하도록 돕습니다. 배포와 성능 모니터링, 메모리 절약, 응답 속도 조정도 다룹니다.

• OpenAI 호환 API를 제공할 때
• 많은 프롬프트를 일괄 처리할 때
• 제한된 GPU 메모리로 모델을 실행할 때

구현 전에 날카로운 질문으로 계획의 목표, 제약, 기술 선택과 예외 대응을 구체화합니다. 의존관계에 따라 질문하고 결정 사항과 미해결점을 정리해 이해를 맞춥니다.

• 구현 전에 아이디어 구체화
• 인증이나 결제 계획 검토
• 장애 대응과 복구 방법 구체화

블로그와 뉴스 사이트의 피드에서 업데이트를 읽어 최신순으로 정리합니다. 일반 페이지 주소에서 피드를 찾고, 개수나 날짜로 범위를 좁혀 제목, 링크, 요약을 가져옵니다.

• 블로그와 뉴스의 새 글 확인
• 사이트의 피드 주소 찾기
• GitHub 최신 릴리스 정보 수집

공통 과제로 대규모 언어 모델의 지식·추론·코드 생성을 평가합니다. 모델 비교표와 학습 단계별 성적 추이를 만들고 평가 결과와 개별 답변을 저장합니다.

• MMLU와 GSM8K로 모델 평가
• 여러 모델의 성적 비교표 작성
• 학습 중 모델의 성적 추적

Cloudflare 계정 등록 없이 Worker를 임시 URL에 배포하고 실제 응답을 확인합니다. 코드 수정과 재배포를 반복하며 60분 안에 소유권을 인수할 수 있습니다.

• Worker 시제품을 URL로 공유
• 브라우저 인증 없이 임시 배포
• 코드 변경 후 실제 응답 확인

기계 학습·AI 연구 논문을 문헌 조사부터 실험 설계, 결과 분석, 집필, 투고 준비까지 지원합니다. 인용 검증과 심사 의견에 따른 수정도 다룹니다.

• 기존 코드와 결과로 논문 작성 시작
• 연구 주장을 뒷받침할 실험 계획
• 관련 연구와 인용 확인

API로 Shopify의 상품, 주문, 고객, 재고를 조회하고 수정합니다. curl로 필요한 데이터를 가져오며 가격 변경, 지점별 재고 조정, 대량 데이터 내보내기도 다룹니다.

• 상품 검색과 가격 수정
• 주문 및 고객 정보 조회
• 지점별 재고 확인과 조정

기존 웹 앱에 자연어로 화면을 조작하는 AI 도우미를 추가하도록 돕습니다. 설치와 조작 패널 표시부터 LLM 연결, 동작 확인, 정식 배포 시 설정까지 안내합니다.

• 업무 화면을 글로 조작합니다
• 기존 웹 앱에 AI 도우미를 추가합니다
• 실제 화면으로 제품 시연을 만듭니다

GitHub 공개 소프트웨어의 기록과 보관 자료를 대조해 의심스러운 변경을 조사합니다. 삭제된 정보 복구를 시도하고 침해 단서와 증거를 담은 보고서를 작성합니다.

• 의심스러운 커밋과 빌드 절차 조사
• 기록에서 사라진 커밋 복구 조사
• 인증 정보 유출 경위 조사

SearXNG로 여러 검색 엔진의 결과를 모으고 엔진, 분류, 기간으로 좁혀 제목과 링크, 짧은 발췌문을 얻습니다. 공개 인스턴스는 API 키 없이 사용합니다.

• 여러 검색 엔진에서 자료를 찾습니다
• 기간을 좁혀 최신 뉴스를 검색합니다
• 평소 검색 도구의 대안으로 사용합니다

에이전트의 과거 대화와 자료를 Pinecone에 저장하고 관련 정보를 검색해 답변에 활용하는 시스템을 구축합니다. 세션 간 장기 기억과 의미 기반 검색의 시제품 제작을 돕습니다.

• 세션이 바뀌어도 유지되는 기억 구축
• 검색한 정보를 에이전트 답변에 활용
• 사용자별로 기억을 나누어 관리

브라우저 없이 Reddit 게시물, 댓글, 사용자 활동을 읽고 주제 검색과 토론 요약에 활용합니다. 계정 없이 시작해 커뮤니티 반응을 조사할 수 있습니다.

• 주제에 대한 커뮤니티 반응을 조사합니다
• 스레드와 댓글을 요약합니다
• 사용자의 최근 게시물을 확인합니다

사용자 이름으로 400개 이상의 소셜 네트워크와 서비스에서 계정을 찾고 발견한 페이지 링크를 정리합니다. 이름의 사용 현황 확인과 공개 정보 조사에 활용합니다.

• 특정 사용자 이름의 계정을 찾습니다
• 서비스별 이름 사용 현황을 확인합니다
• 허가받은 대상의 공개 정보를 조사합니다