프로젝트 목록

browser-use의 초고속 agent입니다. 의사결정 모델이 1회 요청으로 조작과 DOM 요소를 동시에 고르고, 텍스트를 입력해야 할 때만 작은 LLM을 호출합니다.

휴대폰의 대화 부조종사입니다. WeChat / QQ / X / Feishu에서 상대방을 읽고 답장 후보를 제안해 입력창에 채워 넣으며, 보낼지는 사용자가 정합니다. 화면을 읽기만 하고, hook하지도 않고 패키지를 바꾸지도 않습니다.

macOS에서의 컴퓨터 조작입니다. 스크린샷으로 OCR을 하고, 의사결정 모델로 다음 동작을 분류한 뒤 클릭합니다. 작성자 보고는 단계당 약 $0.0002입니다.

Hermes agent용 스킬 모음입니다. 모델 라우팅, 메모리, 컨텍스트 압축, 스킬 선택, 컴퓨터와 브라우저 조작을 다루며, Claude Code와 Codex에도 설치할 수 있습니다.

의사결정 모델이 클릭을 고르고 Codex가 생각하고 검증하는 분업입니다. 브라우저 조작이 5–10배 빠르다고 작성자가 보고합니다.

슈퍼 마리오를 플레이하는 agent입니다. 입력은 화면 픽셀이 아니라 에뮬레이터가 주는 구조화된 상태입니다.

Android에서 독립적으로 동작하는 agent입니다. 모든 단계를 의사결정 모델이 수행하고, 판단 텔레메트리를 보여 주는 실시간 스튜디오 화면도 있습니다.

WeChat 메시지의 의도 인식 오버레이(macOS)입니다. 화면을 읽고 로컬 소형 모델로 의도와 위험을 판단한 뒤, 화법에 맞춰 답장 후보를 생성합니다. 읽기 전용이며 WeChat에 아무것도 주입하지 않습니다.

음성으로 실제 브라우저를 제어합니다. 말한 단어마다 약 300 ms 안에 의도와 대상 요소를 정하고 Playwright가 실행합니다. 말을 끝내기 전에 동작이 나가는 경우도 많습니다.

의사결정 모델로 브라우저 조작을 구동합니다.

브라우저 확장 프로그램입니다. 의사결정 모델로 페이지에서 불필요한 요소를 판별해 제거하며, 규칙을 템플릿으로 저장해 재사용할 수 있습니다.

MuJoCo에서 돌아가는 로봇 의사결정 워크벤치입니다.

MuJoCo에서 카메라만 쓰는 자율 드론으로, 판단 단계가 2.5 Hz로 돌아갑니다.

Claude Code 플러그인입니다. "요약으로 압축"을 "하나씩 채점"으로 바꿉니다. 1회 요청으로 각 도구 호출과 결과에 "아직 필요한가"를 판정하고, 오래된 것은 버리거나 잘라내며, 남긴 것은 축자 그대로 보존합니다.

agent 감독자입니다. 판단을 사용해 코딩 agent를 작업으로 되돌립니다.

특정 작업을 위한 의사결정 harness를 LLM이 작성하도록 합니다. 선택적으로 궤적 전체에 대한 보상 성찰과 GEPA 진화를 적용합니다.

agent harness를 위한 구조화 의사결정 플러그인입니다. DeepSeek Harness를 네이티브로 지원하고, iPolloWork를 통해 OpenCode와 Codex Harness도 지원합니다.

Claude Code 플러그인입니다. 모델이 보기 전에 긴 Bash 출력을 잘라냅니다.

Pi 코딩 agent를 위한 의사결정 계층입니다. 측정된 도구 호출 게이트와, 타입이 지정되고 캘리브레이션된 답을 얻는 jev_ask가 있습니다.

Pi를 위한 가드레일로, 방향은 중단이 아니라 유도입니다. 되돌릴 수 없거나 벗어난 도구 호출 판정, 멈춘 루프 발견, "다 했다고 하지만 실제로는 검증하지 않음" 확인을 모두 의사결정 모델이 수행합니다.

의사결정 모델을 호출하는 프로그램을 어떻게 쓰고 고치는지 가르치는 스킬입니다.

단계별 코드 리뷰 워크플로로, 로컬 대시보드가 딸려 있습니다.

의사결정 모델로 웹 검색을 합니다. 소스 선택, 질의 이해, 관련도 정렬을 수행합니다.

의사결정 모델이 후보 중 하나를 고르게 해, Claude Code의 작업을 충분하면서 가장 저렴한 모델로 라우팅합니다.

PostgreSQL 확장입니다. 쉬운 말로 자신의 테이블에 질문할 수 있습니다.

Codex의 턴별 라우팅입니다. 매 턴마다 어떤 모델을 쓸지, 사고 깊이와 속도 모드를 다시 정합니다.

local-first MCP 플러그인입니다. 코딩 agent가 소프트웨어 품질 리뷰를 지속적으로 수행하게 합니다.

마케팅 분석 플랫폼입니다. "브랜드 노출 분류기"를 LLM에서 의사결정 모델의 불리언 판단으로 옮겼고, feature flag로 전환을 제어합니다.

경량 라우터입니다. 모델, 도구, 서브 agent 세 가지를 모두 이것이 고릅니다.

명령줄 도구입니다. 저장소를 메서드 단위 호출 그래프로 분석한 뒤, 의사결정 모델이 있을 수 있는 결함을 표시하고 쉬운 말로 쓴 프로젝트 규칙을 검사하게 합니다.

패턴이 아니라 의미로 검색합니다. 각 줄에 "이 의미에 가까운가" 점수를 매기고, 여러 의미를 AND / OR / NOT으로 조합합니다.

Neo4j 그래프를 한 홉씩 따라갑니다. 후보로 나가는 각 간선을 분류하고, beam search로 답의 로그 확률을 탐색합니다.

집에 있는 3090 한 장으로 의미적 if를 돌립니다. 오픈소스 모델을 의사결정 모델로 개조한 것입니다. 독립 프로젝트로, 공식과는 무관합니다.

0.6B 복제품입니다. 병렬 판단, 가변 후보, 출력 토큰을 전혀 생성하지 않음이며, 학습 파이프라인도 함께 공개했습니다.

작은 모델을 학습시킵니다. 길어졌다 짧아지는 선택지 목록에서 하나를 고르며, 순전파 1회로 각 선택지에 확률을 줍니다. Doom, 체스, Wikispeedia 세 가지 데모가 함께 있습니다.

395M의 비자기회귀 모델로, 15 ms 이내에 타입이 지정된 답과 캘리브레이션된 확률을 내놓으며, 로컬 드롭인을 겨냥합니다.

임의의 오픈소스 모델을 분류기로, 또는 호환 엔드포인트로 바꿉니다.

임의의 LLM을 의사결정 모델로 바꿉니다. 다음 토큰의 prefill 분포에서 타입이 지정된 답과 캘리브레이션된 확률을 읽으며, 학습이 필요 없습니다.

DiffusionGemma 위에 올린, 오픈소스 호환 의사결정 서버입니다.

2B 모델을 파인튜닝한 것입니다. 순전파 1회로 타입이 지정된 판단과 캘리브레이션된 확률을 냅니다.

로컬 모델을 호환되는 구조화 의사결정 엔진으로 개조한 것입니다. 세 프리미티브의 출력을 전부 prefill만 쓰는 이진 추론으로 얻습니다.

agent 전용 0.6B 복제품입니다. diff, trace, 로그 같은 비구조화 상태를 넣으면 약 50 ms의 순전파 1회로 확률 분포를 돌려받고, 출력 토큰은 생성하지 않습니다.

151M의 비자기회귀 의사결정 엔진입니다. 공개 벤치마크에서 공식 모델과 Laya를 동시에 앞섰다고 작성자가 보고합니다. 정확도 77.10%, Brier 0.0636, ECE 0.0144입니다.

Apple Silicon에서 한 교육용 실험입니다. 공유 컨텍스트, 후보에 대한 직접 채점, 로컬 시각화 데모를 갖췄습니다.

셀프 호스팅 대체 구현입니다.

작은 공개 의사결정 모델입니다. 상태와 타입이 지정된 질문을 넣으면 캘리브레이션된 확률을 돌려줍니다.

Vercel의 공개 agent 프레임워크입니다. 실험적인 evaluate 경로에서 의사결정 모델을 기본 평가 모델로 사용합니다.

공식 스킬입니다. Claude Code, Codex 및 호환 agent에게 세 프리미티브, 흔한 패턴, 그리고 평가를 어떻게 설계하는지를 설명합니다.

Vercel Labs의 터미널 CLI로, evaluate 명령의 평가 모델로 실행할 수 있습니다.

MCP 개념 증명입니다. 의사결정 모델을 MCP를 지원하는 클라이언트에 연결합니다.

Go로 작성한 단일 바이너리 MCP 서버로, 타입이 지정된 판단을 Claude Desktop, Claude Code, Codex에 노출합니다.

공식 드롭인 어댑터입니다. 클라이언트를 교체하고 뒤에 OpenAI, Anthropic 또는 호환 LLM API를 연결합니다. 의사결정 모델과 채팅 모델을 같은 평가에서 비교하기 위한 것입니다.

공식 JS/TS 클라이언트로, 반환값의 타입이 추론됩니다.

공식 Python 클라이언트로, 동기와 비동기 두 가지를 제공합니다.

Monad의 블록마다 거래 판단을 한 번씩 합니다.

입력하는 대로 사용자의 의도를 향해 변하는 입력창입니다. 타이핑에 따라 이 텍스트 상자가 알맞은 UI로 자라납니다. 오프라인에서도 돌아갑니다.

"LLM + 의사결정 모델" 워크플로입니다. (공개된 설명은 이것뿐이고, 더 구체적인 내용은 없습니다.)

능동 학습으로 판단 정의를 개선합니다. 사람이 붙인 라벨을 피드백으로 삼아 GEPA로 "어떻게 물을지"를 더 낫게 반복 개선합니다.

스타트업 아이디어를 설명하면 판단해 줍니다. 버릴지, 고칠지, 시작할지입니다.

Hyperliquid에서 실거래로 돌아가는, 판단 기반 트레이딩입니다.