2026년 6월 30일 구글 리서치에서 공개한 TabFM은 구조화된 표 형식 데이터 처리에 초점을 맞춘 기초 모델입니다. 수치형과 범주형 열이 혼합된 분류 및 회귀 작업을 위해 설계된 TabFM은 기업 및 연구 분야 모두에서 표 형식 예측 워크플로우를 위한 새로운 패러다임을 제시합니다. TabFM은 표 형식 예측을 컨텍스트 학습 문제로 혁신적으로 재구성합니다.이 방법은 기존의 지도 학습 모델에서 인간의 개입에 대한 의존성을 없애고, 단 한 번의 순방향 전파로 예측 결과를 생성함으로써 지루한 가중치 미세 조정, 하이퍼파라미터 탐색 및 특징 엔지니어링의 필요성을 완전히 제거합니다.TabFM은 고유한 아키텍처 덕분에 튜닝이 필요 없는 0샘플 구성으로 여러 강력한 기존 지도 학습 기준 모델을 크게 능가하여 데이터 처리 효율성을 크게 향상시켰습니다.

HyperAI 웹사이트에 "tabfm-1.0.0-pytorch: Zero-Shot Table-Based Model Benchmark"가 새로 추가되었으니 한번 사용해 보세요!

온라인 사용:https://go.hyper.ai/acMZd

더 자세한 정보를 원하시면 저희 공식 웹사이트를 방문해 주세요.

https://hyper.ai

7월 11일부터 7월 17일까지 hyper.ai 공식 웹사이트의 주요 업데이트 사항을 간략하게 살펴보겠습니다.

* 고품질 공개 데이터 세트: 8개

* 엄선된 고품질 튜토리얼: 7개

* 커뮤니티 게시글 분석: 게시글 1개

* 인기 백과사전 항목: 5개

공식 웹사이트를 방문하세요:하이퍼.AI

선택된 공개 데이터 세트

1. Nemotron-Personas-India 인도 합성 인간 데이터셋

Nemotron-Personas-India는 NVIDIA에서 공개한 인도용 합성 캐릭터 데이터셋입니다. 이 데이터셋은 인도의 실제 지리적 및 인구 통계학적 분포를 반영하여 합성 데이터의 다양성을 향상시키고, 모델 편향을 줄이며, 모델 붕괴를 방지하는 것을 목표로 합니다. 데이터셋은 각각 7개의 가상 캐릭터 역할을 가진 3백만 개의 레코드로 구성되어 있으며, 총 약 2,100만 개의 캐릭터 설명과 약 77억 개의 토큰을 포함합니다.

* 온라인에서 사용하세요:https://go.hyper.ai/CBnWF

2. 네모트론-페르소나스-한국 한국인 합성인간 데이터셋

Nemotron-Personas-Korea는 NVIDIA에서 공개한 한국 인구의 다양성과 특성을 종합적으로 반영하도록 설계된 가상 인간 캐릭터 데이터셋입니다. 이 데이터셋은 각각 7개의 가상 인간 캐릭터를 포함하는 100만 개의 레코드로 구성되어 있으며, 총 약 700만 개의 캐릭터 설명과 약 17억 개의 토큰(그중 10억 개의 토큰은 캐릭터 관련 데이터)을 포함합니다. 데이터는 한국의 17개 광역 자치구와 252개 시·군을 대상으로 하며, 209,167개의 고유한 이름을 담고 있습니다.

* 온라인에서 사용하세요:https://go.hyper.ai/FDU8d

3. 네모트론-페르소나-일본(일본어 합성 캐릭터 데이터셋)

Nemotron-Personas-Japan은 NVIDIA에서 공개한 가상 인간 캐릭터 데이터셋입니다. 이 데이터셋은 일본 인구의 다양성과 풍부함을 보여주는 것을 목표로 하며, 주로 자율적인 AI 시스템 개발, 대규모 언어 모델 학습, 합성 데이터의 편향 감소 등을 지원하는 데 사용됩니다. 데이터셋은 각각 6개의 가상 인간 캐릭터로 구성된 100만 개의 레코드를 포함하며, 총 약 600만 개의 캐릭터 설명이 수록되어 있습니다. 이 데이터는 일본의 47개 현 전체, 1,500개 이상의 직업군, 그리고 95만 개 이상의 고유한 이름을 포괄합니다.

* 온라인에서 사용하세요:https://go.hyper.ai/5vLQd

4. 네모트론-페르소나-베트남(베트남 합성 인간 데이터셋)

Nemotron-Personas-Vietnam은 NVIDIA에서 공개한 가상 인간 캐릭터 데이터셋으로, 베트남 인구의 다양성과 특성을 종합적으로 반영하도록 설계되었습니다. 이 데이터셋은 각각 6개의 가상 인간 캐릭터를 포함하는 10만 개의 레코드로 구성되어 있으며, 총 약 60만 개의 캐릭터 설명과 약 1억 1,800만 개의 토큰(그중 5,200만 개의 토큰은 캐릭터 관련 정보)을 포함합니다. 데이터는 베트남의 6개 중앙 직할시와 성을 대상으로 하며, 약 13,000개의 고유한 이름을 제공합니다.

* 온라인에서 사용하세요:https://go.hyper.ai/6BfkJ

5. Nemotron-Personas-Belgium (벨기에 합성 인간 데이터 세트)

Nemotron-Personas-Belgium은 NVIDIA가 Pleias 및 KU Leuven과 협력하여 출시한 벨기에 가상 캐릭터 데이터 세트입니다. 이 데이터 세트는 벨기에 인구의 다양성과 특성을 종합적으로 반영하는 것을 목표로 합니다. 총 120만 개의 레코드로 구성되어 있으며, 각 레코드에는 6개의 가상 캐릭터가 포함되어 있어 약 180만 개의 캐릭터 설명이 있습니다. 벨기에의 581개 지방 자치 단체와 3개 행정 구역을 대상으로 하며, 약 26만 개의 고유한 이름이 포함되어 있습니다. 네덜란드어, 프랑스어, 독일어, 영어의 4개 언어로 제공되며, 각 언어 버전에는 30만 개의 레코드가 포함되어 있습니다.

* 온라인에서 사용하세요:https://go.hyper.ai/tvwbu

6. Nemotron-Personas-싱가포르 합성 인간 데이터셋

Nemotron-Personas-Singapore는 NVIDIA에서 공개한 가상 캐릭터 데이터 세트로, 싱가포르의 실제 인구, 지리 및 성격 특성을 반영하도록 설계되었습니다. 이 데이터 세트는 148,000개의 레코드로 구성되어 있으며, 각 레코드에는 6개의 가상 캐릭터 프로필이 포함되어 총 888,000개의 캐릭터 설명이 있습니다. 데이터는 싱가포르의 55개 행정 구역을 포괄하며 약 146,000개의 고유한 이름을 포함합니다.

* 온라인에서 사용하세요:https://go.hyper.ai/wFJAn

7. Nemotron-Pretraining-Code-v3 프로그래밍 코드 사전 학습 데이터셋

Nemotron-Pretraining-Code-v3는 NVIDIA에서 대규모 언어 모델인 Nemotron 3 시리즈를 위해 제작한 코드 사전 학습 데이터셋 중 하나로, LLM의 코드 이해, 생성, 완성 및 추론 기능을 향상시키도록 설계되었습니다.

* 온라인에서 사용하세요:https://go.hyper.ai/8IZbu

8. Nemotron-Personas-El-Salvador 살바도르 합성 인간 데이터세트

Nemotron-Personas-El Salvador는 NVIDIA에서 공개한 엘살바도르 인구의 다양성과 특성을 종합적으로 반영하는 합성 페르소나 데이터셋입니다. 이 데이터셋은 총 148,000개의 레코드로 구성되어 있으며, 약 100만 개의 페르소나 설명을 포함합니다. 엘살바도르의 14개 주와 44개 도시를 대상으로 하며, 약 144,000개의 고유한 이름이 수록되어 있습니다.

* 온라인에서 사용하세요:https://go.hyper.ai/44dxL

선택된 공개 튜토리얼

1. tabfm-1.0.0-pytorch: 제로샷 테이블 기반 벤치마크

tabfm-1.0.0-pytorch는 Google Research가 2026년 6월 Google Research 블로그를 통해 공개한 TabFM의 PyTorch 버전입니다. TabFM은 수치형 및 범주형 열이 혼합된 구조화된 표 형식 데이터의 분류 및 회귀에 초점을 맞추고 있습니다. 훈련 행을 문맥적 예제로 취급하고 단일 순방향 전파를 통해 예측을 생성하므로 각 데이터 세트에 대한 가중치 미세 조정, 하이퍼파라미터 탐색 또는 복잡한 특징 엔지니어링이 필요하지 않습니다.

온라인으로 실행:https://go.hyper.ai/acMZd

2. ComfyUI × WAN 2.2 이미지 기반 비디오 워크플로우

Wan 2.2는 알리바바의 Wan-AI 팀에서 출시한 오픈 소스 비디오 생성 기반 모델입니다. 혁신적인 전문가 혼합(MoE) 아키텍처를 채택하여 이미지-비디오(I2V) 작업에서 정지 이미지를 동적 비디오로 변환할 수 있으며, 모션 제어 및 스타일 유지에서 뛰어난 성능을 보여줍니다.

온라인으로 실행:https://go.hyper.ai/UNbdm

3. Krea-2-Raw: 12B 확산 변환기 텍스처 그래프 모델

Krea-2는 Krea.ai에서 2026년 6월에 출시한 대규모 텍스트-이미지 확산 모델입니다. Krea-2-Raw는 이 시리즈의 기본 사전 학습된 체크포인트(약 120억 개의 파라미터)입니다. 이는 확산 변환(DiT) 아키텍처를 기반으로 하며, 자연어 설명을 바탕으로 고품질의 다양한 이미지를 생성할 수 있습니다. 

온라인으로 실행:https://go.hyper.ai/NHNAD

4. VibeThinker-3B: 작은 파라미터와 높은 추론 성능을 갖춘 검증 가능한 추론 모델.

2026년 6월 WeiboAI 팀에서 출시한 VibeThinker-3B는 검증 가능한 추론 작업에 초점을 맞춘 소형 파라미터 언어 모델(SLM)입니다. 약 30억 개의 파라미터를 가진 이 모델은 수학, 코드, STEM 분야와 같이 명확한 검증 신호가 있는 추론 시나리오를 주요 목표로 합니다. Qwen2ForCausalLM 아키텍처를 사용하는 이 모델은 최대 128,000개의 토큰을 지원하는 컨텍스트를 제공합니다. VibeThinker 시리즈의 스펙트럼-신호 원리 학습 패러다임을 계승하여, 커리큘럼 기반의 2단계 SFT, 다중 도메인 추론 강화 학습, 오프라인 자기 증류, Instruct RL 프로세스를 통해 추론 능력을 점진적으로 향상시킵니다.

온라인으로 실행:https://go.hyper.ai/aO6hb

5. ViiTorVoice-NAR: 비자기회귀 음성 복제 및 로컬 편집 시스템

ViiTorVoice-NAR 모델 파일은 2026년 6월에 공개되었습니다. 이 모델은 음성 복제, 부분 음성 편집, 감정/비언어적 표현 제어를 위한 비자기회귀 음성 생성 시스템입니다. 기존의 단어 단위 생성 방식을 버리고, 이산적인 오디오 토큰 공간 내에서 마스크 코드북을 완성하는 방식을 채택했습니다. 핵심은 12계층 DualCodec 25Hz 코드북을 사용하여 의미적 특징과 음향적 특징을 동시에 전달함으로써 화자의 음색 보존, 내용 일관성 유지, 부분적인 음성 재합성을 정확하게 구현하는 것입니다.

온라인으로 실행:https://go.hyper.ai/HoBLS

6. CamCloneMaster: 참조 영상을 기반으로 한 카메라 모션 제어 영상 생성

CamCloneMaster 모델은 홍콩중문대학교, 저장대학교, 그리고 Kuaishou Technology의 공동 연구팀이 2025년 6월에 출시했습니다. 이 모델의 핵심 특징 및 혁신 사항으로는 명시적인 카메라 파라미터 없이 레퍼런스 비디오에서 카메라 움직임 패턴을 직접 학습할 수 있는 레퍼런스 카메라 제어 기능, 이미지-비디오(I2V) 및 비디오-비디오(V2V) 생성 모드를 모두 지원하는 통합 프레임워크, 그리고 셀프 어텐션 레이어의 파라미터만 학습하면 되는 Wan2.1-T2V-1.3B 기반의 효율적인 학습 방법 등이 있습니다.

온라인으로 실행:https://go.hyper.ai/qehlc

7. ComfyUI 워크플로 사용자 가이드: 기존 공식 워크플로를 한 번의 클릭으로 불러오기 및 실행

ComfyUI는 이미지 및 비디오 생성 분야에서 널리 사용되는 오픈 소스 노드 기반 시각적 워크플로 프레임워크입니다. 사용자는 모델 로딩, 텍스트 인코딩, 샘플링, 디코딩 등의 모듈을 드래그 앤 드롭으로 연결하여 완전한 생성 프로세스를 구축할 수 있으며, 코드를 작성하지 않고도 다양한 최첨단 생성 모델을 호출할 수 있습니다.

온라인으로 실행:https://go.hyper.ai/7wesQ

커뮤니티 기사 해석

1. RNA 구조 예측 기술이 알파폴드 3에 필적한다! 버지니아 공대 연구팀은 진화 정보에 완전히 독립적인 RNAbpFlow를 제안했다.

버지니아 공과대학교의 연구팀은 최근 기존 RNA 3D 구조 예측 알고리즘의 여러 단점을 해결하는 새로운 모델인 RNAbpFlow를 제안했습니다. 이 모델은 더 이상 여러 염기서열 정렬에 의존하거나 단일 정적 결과만 출력하는 데 그치지 않고, 염기서열 및 염기쌍 정보만을 기반으로 원자 구조의 전체 세트를 생성하고 전체적인 접힘 구조를 정확하게 재구성하는 등 동적이고 정밀한 샘플링이 필요한 시나리오까지 확장 가능합니다.

전체 보고서 보기:https://go.hyper.ai/Spbq5

인기 백과사전 기사

1. 세계행동모델(WAM)

2. 사전 확률

3. 멀티 에이전트 워크플로우 CudaForge

4. 보상 체계의 잘못된 설정

5. 양자 신경망

다음은 "인공지능"을 이해하는 데 도움이 되는 수백 가지 AI 관련 용어입니다.

https://go.hyper.ai/wiki

위에 적힌 내용은 이번 주 편집자 추천 기사의 전체 내용입니다. hyper.ai 공식 웹사이트에 포함시키고 싶은 리소스가 있다면, 메시지를 남기거나 기사를 제출해 알려주세요!

다음주에 뵙겠습니다!