[오픈소스] Y Combinator/A16Z 등의 스타트업 뉴스를 한국어로 자동 번역/요약하는 AI 리더
안녕하세요! 일본인 개발자입니다.
글로벌 스타트업 뉴스 (특히 Y Combinator, A16Z 등)를 한국어로 쉽게 읽을 수 있는 AI 뉴스 리더를 개발했습니다.
✨ 주요 기능:
- 실리콘밸리 스타트업/테크 뉴스 자동 수집
- AI 요약 및 한국어 번역
- Slack/Discord 알림
- 12개 언어 지원
🛠 기술 스택:
- Frontend: Vite + React, Tailwind CSS, Radix UI
- Backend: Supabase (Edge Functions) + GCP Cloud Run
- Integration: Slack/Discord, Email (Resend API)
- DevOps: GitHub Actions, GCP Cloud Build
- Analytics: Amplitude
- Payment: Stripe
현재 베타 테스터를 찾고 있습니다!
한국의 개발자/스타트업 분들의 피드백을 기다리고 있습니다.
Discord:https://discord.gg/eW6qjvKTd4
데모: https://o-siri.com/ko/
얼리 액세스: https://o-siri.com/ko/coming-soon
Osiri는 해외 스타트업 관련 뉴스를 자동으로 수집하고, AI로 요약·번역하여 제공하는 뉴스 리더입니다.
예를 들어 다음과 같은 미국의 정보를 한국어로 바로 받아볼 수 있습니다.
Osiri
Show HN: Python+NumPy로 제작된 기계학습 라이브러리 (토이 GPT-2에 CNN 훈련) 요약 GitHub의 Show HN 섹션에 게시된 글에서는 Python과 NumPy를 사용하여 처음부터 구축된 기계학습 라이브러리 'ml-by-hand'가 소개되었습니다. 이 라이브러리는 심층 학습 모델의 내부 작동을 이해하는 것을 목적으로 하며, PyTorch나 TensorFlow와 같은 기존 라이브러리가 가진 추상화를 최대한 배제함으로써 기초가 되는 수학적 세부사항을 명시적으로 제시합니다. GPT-2와 같은 고급 모델의 훈련도 단일 CPU 환경에서 가능하다는 점이 큰 특징입니다. 글에서는 자동 미분 엔진(Autograd)을 기반으로 한 라이브러리의 개발 과정과 PyTorch와 유사한 API 설계, 최소한의 의존성(NumPy만 사용, 테스트에서 정확성 확인을 위해 PyTorch 사용) 등이 설명되어 있습니다.
주요 포인트
Python과 NumPy만을 사용한 심층 학습 라이브러리 'ml-by-hand'가 개발되었습니다.
PyTorch와 유사한 API로, 심층 학습의 기초 원리를 이해하기 쉬운 설계를 갖추고 있습니다.
GPT-2를 포함한 다양한 신경망 모델의 예제와 코드가 제공됩니다.
단일 CPU에서도 GPT-2와 같은 복잡한 모델의 훈련이 가능합니다.
MIT 라이선스로 공개되어 커뮤니티의 기여를 환영합니다.
전체 기사 읽기 • 2025/2/12 GitHub GitHub - workofart/ml-by-hand: 학습 목적으로 구축된 복잡한 신경망 예제가 포함된 심층 학습 라이브러리
Show HN: TokenFlow ― 대규모 언어 모델(LLM)의 토큰 스트리밍 속도를 시각화하는 도구 요약 LLM(대규모 언어 모델)의 토큰 스트리밍 속도를 시각화하는 도구 'TokenFlow'를 소개합니다. 이 도구는 초당 토큰 수(tokens per second)를 실시간으로 표시하고, 다양한 LLM의 처리 속도를 비교할 수 있습니다. 프리셋으로 Deepseek R1(약 26 t/s), Claude Sonnet 3.5(약 50 t/s), GPT-4o(약 100 t/s), Mistral Le Chat(약 1,100 t/s) 등이 준비되어 있습니다.
주요 포인트
TokenFlow는 LLM의 토큰 스트리밍 속도를 시각화하는 도구입니다.
Deepseek R1, Claude Sonnet 3.5, GPT-4o, Mistral Le Chat 등 여러 LLM의 속도를 비교할 수 있습니다.
OpenAI의 GPT-4o용 Tokenizer를 사용하며, 속도 측정값은 인터넷 검색을 통한 개략적인 값입니다.
사용자 정의 설정이 가능하며, GitHub 저장소에서 자세한 내용을 확인할 수 있습니다.
개발자는 Dave Schumaker이며, 연락처는 이메일로 공개되어 있습니다.
dave.ly TokenFlow - LLM 토큰 스트리밍 속도 시각화
