tone: switch from 중고등학생 style to friendly AI expert tone (정중한 평어체) for news/model/space prompts + fallback templates
Browse files
app.py
CHANGED
|
@@ -831,7 +831,7 @@ HTML_TEMPLATE = """
|
|
| 831 |
<h1>🤖 투데이 AI : 데일리 TOP 100 소식</h1>
|
| 832 |
<p class="subtitle">
|
| 833 |
매일 아침 전 세계 AI 생태계의 핵심 100가지를 한눈에 확인하세요.<br>
|
| 834 |
-
최신 뉴스·모델·서비스를 AI가
|
| 835 |
</p>
|
| 836 |
|
| 837 |
<div class="badges">
|
|
@@ -1464,36 +1464,41 @@ class LLMAnalyzer:
|
|
| 1464 |
return None
|
| 1465 |
|
| 1466 |
def analyze_news_simple(self, title: str, content: str = "") -> Dict:
|
| 1467 |
-
"""뉴스 기사
|
| 1468 |
-
|
| 1469 |
# LLM API가 사용 가능한 경우 실제 분석
|
| 1470 |
if self.api_available:
|
| 1471 |
try:
|
| 1472 |
messages = [
|
| 1473 |
{
|
| 1474 |
"role": "system",
|
| 1475 |
-
"content": """당신은
|
| 1476 |
-
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
|
| 1477 |
|
| 1478 |
{
|
| 1479 |
-
"summary": "뉴스
|
| 1480 |
-
"significance": "이 뉴스가 왜 중요한지 2-3문장
|
| 1481 |
"impact_level": "high 또는 medium 또는 low",
|
| 1482 |
"impact_text": "높음 또는 중간 또는 낮음",
|
| 1483 |
-
"impact_description": "
|
| 1484 |
-
"action": "
|
| 1485 |
}
|
| 1486 |
|
| 1487 |
반드시 위 형식의 JSON만 출력하세요."""
|
| 1488 |
},
|
| 1489 |
{
|
| 1490 |
"role": "user",
|
| 1491 |
-
"content": f"""다음 AI 뉴스를
|
| 1492 |
|
| 1493 |
제목: {title}
|
| 1494 |
|
| 1495 |
-
각 항목을 구체적이고 자세하게 작성하되,
|
| 1496 |
-
특히 summary는 8-10문장으로
|
| 1497 |
}
|
| 1498 |
]
|
| 1499 |
|
|
@@ -1574,20 +1579,20 @@ GPU는 AI 모델 학습과 추론에 필수적인 하드웨어로, 수천 개의
|
|
| 1574 |
if keyword.lower() in title.lower():
|
| 1575 |
return template
|
| 1576 |
|
| 1577 |
-
# 기본 분석 (
|
| 1578 |
return {
|
| 1579 |
-
"summary": f"""'{title}'는 최신 AI 기술 동향을 다루는 중요한 뉴스입니다.
|
| 1580 |
-
인공지능 분야는 매일 새로운 발전을 이루고 있으며, 이러한 기술 변화는
|
| 1581 |
-
최근 AI 기술은 단순
|
| 1582 |
-
특히 대규모 언어 모델(LLM)과 생성형 AI의 발전은 산업
|
| 1583 |
-
이러한
|
| 1584 |
-
전문가들은 향후 5-10년 내
|
| 1585 |
-
따라서
|
| 1586 |
-
"significance": "AI 기술의 발전은 단순한 기술 혁신을 넘어 사회
|
| 1587 |
"impact_level": "medium",
|
| 1588 |
"impact_text": "중간",
|
| 1589 |
-
"impact_description": "AI 기술의 발전은 교육
|
| 1590 |
-
"action": "AI
|
| 1591 |
}
|
| 1592 |
|
| 1593 |
def analyze_model(self, model_name: str, task: str, downloads: int) -> str:
|
|
@@ -1602,7 +1607,7 @@ GPU는 AI 모델 학습과 추론에 필수적인 하드웨어로, 수천 개의
|
|
| 1602 |
messages = [
|
| 1603 |
{
|
| 1604 |
"role": "system",
|
| 1605 |
-
"content": "당신은
|
| 1606 |
},
|
| 1607 |
{
|
| 1608 |
"role": "user",
|
|
@@ -1610,12 +1615,12 @@ GPU는 AI 모델 학습과 추론에 필수적인 하드웨어로, 수천 개의
|
|
| 1610 |
|
| 1611 |
{model_card}
|
| 1612 |
|
| 1613 |
-
이 모델을
|
| 1614 |
-
1. 이 모델이
|
| 1615 |
-
2.
|
| 1616 |
-
3.
|
| 1617 |
|
| 1618 |
-
답변은 반드시 3-4문장의 한국어로만 작성하세요."""
|
| 1619 |
}
|
| 1620 |
]
|
| 1621 |
|
|
@@ -1651,7 +1656,7 @@ GPU는 AI 모델 학습과 추론에 필수적인 하드웨어로, 수천 개의
|
|
| 1651 |
else:
|
| 1652 |
popularity = "어느 정도"
|
| 1653 |
|
| 1654 |
-
return f"이 모델은 {task_desc} AI
|
| 1655 |
|
| 1656 |
def analyze_space(self, space_name: str, space_id: str, description: str) -> Dict:
|
| 1657 |
"""허깅페이스 스페이스 분석 - app.py를 LLM으로 분석"""
|
|
@@ -1665,7 +1670,7 @@ GPU는 AI 모델 학습과 추론에 필수적인 하드웨어로, 수천 개의
|
|
| 1665 |
messages = [
|
| 1666 |
{
|
| 1667 |
"role": "system",
|
| 1668 |
-
"content": "당신은
|
| 1669 |
},
|
| 1670 |
{
|
| 1671 |
"role": "user",
|
|
@@ -1673,12 +1678,12 @@ GPU는 AI 모델 학습과 추론에 필수적인 하드웨어로, 수천 개의
|
|
| 1673 |
|
| 1674 |
{app_code}
|
| 1675 |
|
| 1676 |
-
이 앱을
|
| 1677 |
-
1. 이 앱
|
| 1678 |
-
2.
|
| 1679 |
-
3.
|
| 1680 |
|
| 1681 |
-
답변은 반드시 3-4문장의 한국어로만 작성하세요."""
|
| 1682 |
}
|
| 1683 |
]
|
| 1684 |
|
|
@@ -1713,7 +1718,7 @@ GPU는 AI 모델 학습과 추론에 필수적인 하드웨어로, 수천 개의
|
|
| 1713 |
|
| 1714 |
# 3. Fallback: 템플릿 기반 설명
|
| 1715 |
return {
|
| 1716 |
-
"simple_explanation": f"{space_name}는 웹브라우저에서 바로
|
| 1717 |
"tech_stack": ["Python", "Gradio", "Transformers", "PyTorch"]
|
| 1718 |
}
|
| 1719 |
|
|
@@ -1973,39 +1978,42 @@ class AdvancedAIAnalyzer:
|
|
| 1973 |
return all_news
|
| 1974 |
|
| 1975 |
def _fallback_model_analysis(self, model_info: Dict) -> str:
|
| 1976 |
-
"""LLM 호출 실패/지연 시 사용할 즉시 fallback 설명"""
|
| 1977 |
name = model_info['name'].split('/')[-1]
|
| 1978 |
task = model_info.get('task', 'N/A') or 'N/A'
|
| 1979 |
dl = model_info.get('downloads', 0)
|
| 1980 |
task_kr = {
|
| 1981 |
-
'text-generation': '
|
| 1982 |
-
'image-to-text': '
|
| 1983 |
-
'text-to-image': '
|
| 1984 |
-
'image-text-to-text': '이미지와
|
| 1985 |
-
'text-to-speech': '
|
| 1986 |
-
'automatic-speech-recognition': '음성을
|
| 1987 |
-
'translation': '
|
| 1988 |
-
'question-answering': '
|
| 1989 |
-
'summarization': '긴
|
| 1990 |
-
'text-classification': '
|
| 1991 |
-
'feature-extraction': '의미 벡터를 추출하는',
|
| 1992 |
-
'sentence-similarity': '문장 의미 유사도를
|
| 1993 |
-
'fill-mask': '
|
| 1994 |
-
'
|
| 1995 |
-
|
| 1996 |
-
|
| 1997 |
-
|
| 1998 |
-
|
| 1999 |
-
elif dl >
|
| 2000 |
-
|
| 2001 |
-
|
|
|
|
|
|
|
| 2002 |
|
| 2003 |
def _fallback_space_analysis(self, space_info: Dict) -> Dict:
|
|
|
|
| 2004 |
name = space_info.get('name', 'Space')
|
| 2005 |
sdk = space_info.get('sdk', 'gradio') or 'gradio'
|
| 2006 |
tech = ['Python', sdk.capitalize() if sdk else 'Gradio']
|
| 2007 |
return {
|
| 2008 |
-
'simple_explanation': f"{name}는 웹브라우저에서 바로
|
| 2009 |
'tech_stack': tech,
|
| 2010 |
}
|
| 2011 |
|
|
@@ -2414,13 +2422,13 @@ if __name__ == '__main__':
|
|
| 2414 |
╚════════════════════════════════════════════════════════════╝
|
| 2415 |
|
| 2416 |
📌 매일 아침 전 세계 AI 생태계의 핵심 100가지를 한눈에!
|
| 2417 |
-
최신 뉴스·모델·서비스를 AI가
|
| 2418 |
|
| 2419 |
✨ 주요 기능:
|
| 2420 |
• 💾 SQLite DB 영구 스토리지
|
| 2421 |
• 🌐 AI Times 실시간 뉴스 크롤링 (오늘+어제)
|
| 2422 |
• 🔥 Hacker News Top Stories (36시간 이내)
|
| 2423 |
-
• 📰
|
| 2424 |
• 🤗 허깅페이스 트렌딩 모델 TOP 30 (모델 카드 분석)
|
| 2425 |
• 🚀 허깅페이스 트렌딩 스페이스 TOP 30 (app.py 분석)
|
| 2426 |
• 🧠 Fireworks AI (Qwen3-235B) 실시간 LLM 분석
|
|
|
|
| 831 |
<h1>🤖 투데이 AI : 데일리 TOP 100 소식</h1>
|
| 832 |
<p class="subtitle">
|
| 833 |
매일 아침 전 세계 AI 생태계의 핵심 100가지를 한눈에 확인하세요.<br>
|
| 834 |
+
최신 뉴스·모델·서비스를 AI 전문가가 분석하여 핵심을 명확하게 전달해드립니다.
|
| 835 |
</p>
|
| 836 |
|
| 837 |
<div class="badges">
|
|
|
|
| 1464 |
return None
|
| 1465 |
|
| 1466 |
def analyze_news_simple(self, title: str, content: str = "") -> Dict:
|
| 1467 |
+
"""뉴스 기사 분석 — 친절한 AI 전문가 톤 (LLM API 사용)"""
|
| 1468 |
+
|
| 1469 |
# LLM API가 사용 가능한 경우 실제 분석
|
| 1470 |
if self.api_available:
|
| 1471 |
try:
|
| 1472 |
messages = [
|
| 1473 |
{
|
| 1474 |
"role": "system",
|
| 1475 |
+
"content": """당신은 친절한 AI 전문가입니다. AI 산업의 최신 뉴스를 핵심을 짚어 명확하고 차분하게 설명하되, 누구나 이해할 수 있도록 친근한 한국어 어조를 유지합니다.
|
| 1476 |
+
|
| 1477 |
+
- 어조: 정중한 평어체 (~합니다 / ~입니다). "~예요", "~답니다", "~네요" 같은 구어체 어미는 피합니다.
|
| 1478 |
+
- 깊이: 기술적 핵심 + 시장·산업적 함의 + 일반 독자가 알아두면 좋은 맥락 균형
|
| 1479 |
+
- 가독성: 짧은 문장, 한 문장 한 메시지. 전문 용어가 나오면 1줄 풀이를 덧붙입니다.
|
| 1480 |
+
|
| 1481 |
+
다음 JSON 형식으로만 응답하세요:
|
| 1482 |
|
| 1483 |
{
|
| 1484 |
+
"summary": "뉴스의 핵심을 8-10문장으로 정중하게 설명. 수치·사실·배경·기술 맥락 포함.",
|
| 1485 |
+
"significance": "이 뉴스가 왜 중요한지 2-3문장. 산업적·기술적 의미 명시.",
|
| 1486 |
"impact_level": "high 또는 medium 또는 low",
|
| 1487 |
"impact_text": "높음 또는 중간 또는 낮음",
|
| 1488 |
+
"impact_description": "예상되는 파급 효과를 2-3문장으로 설명",
|
| 1489 |
+
"action": "독자가 취할 수 있는 학습·실천 행동을 2-3문장으로 제안 (어조: 정중·실용)"
|
| 1490 |
}
|
| 1491 |
|
| 1492 |
반드시 위 형식의 JSON만 출력하세요."""
|
| 1493 |
},
|
| 1494 |
{
|
| 1495 |
"role": "user",
|
| 1496 |
+
"content": f"""다음 AI 뉴스를 분석해주세요:
|
| 1497 |
|
| 1498 |
제목: {title}
|
| 1499 |
|
| 1500 |
+
각 항목을 구체적이고 자세하게 작성하되, 친절한 AI 전문가의 톤으로 명확하게 설명해주세요.
|
| 1501 |
+
특히 summary는 8-10문장으로 핵심·배경·기술 맥락을 함께 담아 작성하세요."""
|
| 1502 |
}
|
| 1503 |
]
|
| 1504 |
|
|
|
|
| 1579 |
if keyword.lower() in title.lower():
|
| 1580 |
return template
|
| 1581 |
|
| 1582 |
+
# 기본 분석 (친절한 AI 전문가 톤)
|
| 1583 |
return {
|
| 1584 |
+
"summary": f"""'{title}'는 최신 AI 기술 동향을 다루는 중요한 뉴스입니다.
|
| 1585 |
+
인공지능 분야는 매일 새로운 발전을 이루고 있으며, 이러한 기술 변화는 일상·교육·산업·직업 세계 전반에 직접적인 영향을 미치고 있습니다.
|
| 1586 |
+
최근 AI 기술은 단순한 데이터 처리를 넘어 창의적 콘텐츠 생성과 복합적 문제 해결로 진화하고 있습니다.
|
| 1587 |
+
특히 대규모 언어 모델(LLM)과 생성형 AI의 발전은 산업 구조 자체를 재편하고 있습니다.
|
| 1588 |
+
이러한 변화는 새로운 직무를 창출하는 동시에 기존 직업의 성격을 빠르게 바꾸고 있습니다.
|
| 1589 |
+
전문가들은 향후 5-10년 내 AI가 대부분의 산업 영역에 통합될 것으로 전망합니다.
|
| 1590 |
+
따라서 기술 원리에 대한 기본 이해와 사회·윤리적 함의에 대한 균형 잡힌 시각이 점점 더 중요해집니다.""",
|
| 1591 |
+
"significance": "AI 기술의 발전은 단순한 기술 혁신을 넘어 사회·경제·윤리 전반에 걸친 변화를 만들어내고 있습니다. 그 흐름을 이해하고 준비하는 일이 개인과 조직 모두에게 중요한 역량으로 자리잡고 있습니다.",
|
| 1592 |
"impact_level": "medium",
|
| 1593 |
"impact_text": "중간",
|
| 1594 |
+
"impact_description": "AI 기술의 발전은 교육·취업·산업 구조에 점진적 변화를 가져올 가능성이 높으며, 이에 대한 학습과 적응이 필요합니다.",
|
| 1595 |
+
"action": "AI의 기본 원리(LLM, RAG, 에이전트 등)와 Python·데이터 과학 기초 학습을 권장합니다. 함께 AI 윤리·안전·사회적 영향에 대한 균형 잡힌 시각도 함께 갖추시면 더욱 좋습니다."
|
| 1596 |
}
|
| 1597 |
|
| 1598 |
def analyze_model(self, model_name: str, task: str, downloads: int) -> str:
|
|
|
|
| 1607 |
messages = [
|
| 1608 |
{
|
| 1609 |
"role": "system",
|
| 1610 |
+
"content": "당신은 친절한 AI 전문가입니다. AI 모델의 핵심을 정확하고 명확하게 설명하되, 누구나 이해할 수 있는 친근한 한국어 어조를 유지합니다. 정중한 평어체 (~합니다 / ~입니다)를 사용하고, '~예요', '~답니다' 같은 구어체 어미는 피합니다."
|
| 1611 |
},
|
| 1612 |
{
|
| 1613 |
"role": "user",
|
|
|
|
| 1615 |
|
| 1616 |
{model_card}
|
| 1617 |
|
| 1618 |
+
이 모델을 친절한 AI 전문가의 톤으로 3-4문장으로 설명해주세요. 다음을 포함하세요:
|
| 1619 |
+
1. 이 모델이 어떤 작업(task)을 수행하는지 — 핵심 기능
|
| 1620 |
+
2. 기술적 특징·강점 — 아키텍처·파라미터 규모·차별점 (전문 용어는 1줄 풀이)
|
| 1621 |
+
3. 적합한 활용 사례 — 어떤 사용자/팀에게 어떤 상황에서 유용한지
|
| 1622 |
|
| 1623 |
+
답변은 반드시 3-4문장의 한국어로만 작성하세요. 정중한 평어체."""
|
| 1624 |
}
|
| 1625 |
]
|
| 1626 |
|
|
|
|
| 1656 |
else:
|
| 1657 |
popularity = "어느 정도"
|
| 1658 |
|
| 1659 |
+
return f"이 모델은 {task_desc} AI 모델입니다. 누적 다운로드 {downloads:,}회를 기록하며 {popularity} 사용자에게 활용되고 있습니다. '{model_name.split('/')[-1]}'(이)라는 이름으로 공개되어 있으며, 위 작업이 필요한 프로젝트에서 후보로 검토할 만한 모델입니다."
|
| 1660 |
|
| 1661 |
def analyze_space(self, space_name: str, space_id: str, description: str) -> Dict:
|
| 1662 |
"""허깅페이스 스페이스 분석 - app.py를 LLM으로 분석"""
|
|
|
|
| 1670 |
messages = [
|
| 1671 |
{
|
| 1672 |
"role": "system",
|
| 1673 |
+
"content": "당신은 친절한 AI 전문가입니다. AI 애플리케이션의 핵심 기능과 기술 스택을 정확하고 명확하게 설명하되, 누구나 이해할 수 있는 친근한 한국어 어조를 유지합니다. 정중한 평어체 (~합니다 / ~입니다)를 사용하고, '~예요', '~답니다' 같은 구어체 어미는 피합니다."
|
| 1674 |
},
|
| 1675 |
{
|
| 1676 |
"role": "user",
|
|
|
|
| 1678 |
|
| 1679 |
{app_code}
|
| 1680 |
|
| 1681 |
+
이 앱을 친절한 AI 전문가의 톤으로 3-4문장으로 설명해주세요. 다음을 포함하세요:
|
| 1682 |
+
1. 이 앱의 핵심 기능 — 사용자가 무엇을 할 수 있는지
|
| 1683 |
+
2. 사용 기술 스택 — 어떤 모델·라이브러리·프레임워크를 활용하는지
|
| 1684 |
+
3. 적합한 활용 사례 — 어떤 상황에서 유용한지
|
| 1685 |
|
| 1686 |
+
답변은 반드시 3-4문장의 한국어로만 작성하세요. 정중한 평어체."""
|
| 1687 |
}
|
| 1688 |
]
|
| 1689 |
|
|
|
|
| 1718 |
|
| 1719 |
# 3. Fallback: 템플릿 기반 설명
|
| 1720 |
return {
|
| 1721 |
+
"simple_explanation": f"'{space_name}'는 웹 브라우저에서 바로 실행할 수 있는 인터랙티브 AI 데모입니다. 별도 설치 없이 즉시 체험할 수 있으며, AI 모델의 기능을 직접 입력·출력해보며 확인할 수 있습니다.",
|
| 1722 |
"tech_stack": ["Python", "Gradio", "Transformers", "PyTorch"]
|
| 1723 |
}
|
| 1724 |
|
|
|
|
| 1978 |
return all_news
|
| 1979 |
|
| 1980 |
def _fallback_model_analysis(self, model_info: Dict) -> str:
|
| 1981 |
+
"""LLM 호출 실패/지연 시 사용할 즉시 fallback 설명 — 친절한 AI 전문가 톤"""
|
| 1982 |
name = model_info['name'].split('/')[-1]
|
| 1983 |
task = model_info.get('task', 'N/A') or 'N/A'
|
| 1984 |
dl = model_info.get('downloads', 0)
|
| 1985 |
task_kr = {
|
| 1986 |
+
'text-generation': '텍스트를 자동 생성하는 언어 모델',
|
| 1987 |
+
'image-to-text': '이미지를 분석하여 텍스트 설명을 생성하는 모델',
|
| 1988 |
+
'text-to-image': '텍스트 프롬프트로부터 이미지를 생성하는 확산(diffusion) 모델',
|
| 1989 |
+
'image-text-to-text': '이미지와 텍스트를 함께 처리하는 멀티모달 모델',
|
| 1990 |
+
'text-to-speech': '텍스트를 자연스러운 음성으��� 변환하는 TTS 모델',
|
| 1991 |
+
'automatic-speech-recognition': '음성을 텍스트로 변환하는 ASR 모델',
|
| 1992 |
+
'translation': '언어 간 번역을 수행하는 모델',
|
| 1993 |
+
'question-answering': '문서 기반 질의응답을 수행하는 모델',
|
| 1994 |
+
'summarization': '긴 문서를 요약하는 모델',
|
| 1995 |
+
'text-classification': '텍스트를 분류하는 모델',
|
| 1996 |
+
'feature-extraction': '의미 벡터(임베딩)를 추출하는 모델',
|
| 1997 |
+
'sentence-similarity': '문장 간 의미 유사도를 계산하는 모델',
|
| 1998 |
+
'fill-mask': '마스킹된 토큰을 예측하는 모델',
|
| 1999 |
+
'text-to-video': '텍스트 프롬프트로부터 동영상을 생성하는 모델',
|
| 2000 |
+
'image-text-to-image': '이미지·텍스트 입력으로부터 이미지를 생성/편집하는 모델',
|
| 2001 |
+
'any-to-any': '여러 modality 입출력을 지원하는 통합 모델',
|
| 2002 |
+
}.get(task, '특정 작업에 특화된 AI 모델')
|
| 2003 |
+
if dl > 10_000_000: pop = '광범위한 사용자층이'
|
| 2004 |
+
elif dl > 1_000_000: pop = '많은 개발자가'
|
| 2005 |
+
elif dl > 100_000: pop = '활발히'
|
| 2006 |
+
elif dl > 10_000: pop = '관심 있는 사용자들이'
|
| 2007 |
+
else: pop = '초기 사용자 중심으로'
|
| 2008 |
+
return f"이 모델은 {task_kr}입니다. 누적 다운로드 {dl:,}회를 기록하며 {pop} 활용 중인 모델이며, 'FINAL-Bench 컬렉션' 외부 커뮤니티에서도 폭넓게 검증되고 있습니다. '{name}'(이)라는 이름으로 공개되어 있으며, 위 작업이 필요한 프로젝트에서 후보로 검토하기 적합합니다."
|
| 2009 |
|
| 2010 |
def _fallback_space_analysis(self, space_info: Dict) -> Dict:
|
| 2011 |
+
"""LLM 실패 시 fallback — 친절한 AI 전문가 톤"""
|
| 2012 |
name = space_info.get('name', 'Space')
|
| 2013 |
sdk = space_info.get('sdk', 'gradio') or 'gradio'
|
| 2014 |
tech = ['Python', sdk.capitalize() if sdk else 'Gradio']
|
| 2015 |
return {
|
| 2016 |
+
'simple_explanation': f"'{name}'은(는) 웹 브라우저에서 바로 실행되는 인터랙티브 AI 데모입니다. 별도 설치 없이 즉시 입력·출력을 시도하며 모델의 동작을 확인할 수 있고, {sdk.capitalize() if sdk else 'Gradio'} 기반으로 구축되어 있습니다.",
|
| 2017 |
'tech_stack': tech,
|
| 2018 |
}
|
| 2019 |
|
|
|
|
| 2422 |
╚════════════════════════════════════════════════════════════╝
|
| 2423 |
|
| 2424 |
📌 매일 아침 전 세계 AI 생태계의 핵심 100가지를 한눈에!
|
| 2425 |
+
최신 뉴스·모델·서비스를 AI 전문가가 분석하여 핵심을 명확하게 전달합니다.
|
| 2426 |
|
| 2427 |
✨ 주요 기능:
|
| 2428 |
• 💾 SQLite DB 영구 스토리지
|
| 2429 |
• 🌐 AI Times 실시간 뉴스 크롤링 (오늘+어제)
|
| 2430 |
• 🔥 Hacker News Top Stories (36시간 이내)
|
| 2431 |
+
• 📰 친절한 AI 전문가 톤 LLM 뉴스 분석
|
| 2432 |
• 🤗 허깅페이스 트렌딩 모델 TOP 30 (모델 카드 분석)
|
| 2433 |
• 🚀 허깅페이스 트렌딩 스페이스 TOP 30 (app.py 분석)
|
| 2434 |
• 🧠 Fireworks AI (Qwen3-235B) 실시간 LLM 분석
|