LlamaCon 해커톤 첫 번째 대회 수상자 발표
샌프란시스코에서 열린 LlamaCon Hackathon 대회가 성공적으로 막을 내렸습니다. 이 대회는 전 세계의 개발자들이 모이는 AI 축제였습니다. 이번 행사에는 600명 이상의 참가자가 등록했으며, 238명의 재능 있는 개발자와 혁신가들이 한자리에 모여 하루 동안 프로젝트를 구축했습니다. 24시간이라는 짧은 시간 내에 Llama API, Llama 4 Scout 또는 Llama 4 Maverick(또는 이러한 최첨단 도구의 조합)를 사용하여 시연 가능한 프로젝트를 만드는 것이 목표였습니다.
총 3만 5천 달러의 현금 보상이 걸린 이번 대회는 1등, 2등, 3등 상은 물론 Llama API 최고 활용상까지 포함되어 경쟁이 치열했습니다. Meta와 후원 파트너의 심사위원단은 접수된 44개의 프로젝트를 신중하게 평가했습니다.
저희는 이번 해커톤 기간 동안 소중한 지원을 제공해 주신 파트너사인 Groq, Crew AI, Tavus, Lambda, Nebius 및 SambaNova에 진심으로 감사드립니다. 각 스폰서는 신용 사용, 전문가 연사의 워크숍, 멘토링, 현장 Q&A 부스, 심사위원 및 Discord를 통한 원격 지원을 제공했습니다.
수상자 목록
두 번의 심사 과정을 거쳐 44개의 제출 프로젝트 중 상위 6개 팀을 선정했으며, 최종적으로 1등, 2등, 3등 및 Llama API 최고 활용상을 결정했습니다.
OrgLens – 1등
OrgLens는 조직 내의 적합한 전문가를 연결하는 AI 기반 전문가 매칭 시스템을 구축했습니다. Jira 작업, GitHub 코드 및 문제, 내부 문서, 이력서 등 다양한 소스의 데이터를 분석하여 OrgLens는 각 기여자에 대한 포괄적인 지식 그래프와 상세한 프로필을 생성합니다. 이를 통해 고급 AI 지원 검색 기능을 사용하여 전문가를 검색하고, 개인의 디지털 트윈과 상호 작용하여 연락하기 전에 질문할 수도 있습니다. 기능을 시연하기 위해 React, Tailwind 및 Django를 사용하여 데모 웹 응용 프로그램을 구축하고 GitHub API와 Llama API를 활용하여 데이터를 처리하고 저장했습니다. OrgLens는 전문가 매칭을 간소화하여 업무에 적합한 사람을 쉽게 찾을 수 있도록 지원합니다.
OrgLens의 혁신에 대해 자세히 알아보면, 이는 단순한 전문가 매칭 시스템이 아니라 기업 내부의 지식 공유와 협업을 가속화하는 도구입니다. 인공지능의 힘을 활용하여 정보 사일로를 해소하고 조직 곳곳에 숨겨진 전문 지식을 연결합니다. 복잡한 프로젝트에 문제가 발생했을 때 내부 이메일과 문서를 헤맬 필요 없이 OrgLens를 통해 관련 경험과 기술을 가진 동료를 신속하게 찾아 연락할 수 있고, 필요하다면 그들의 “디지털 트윈”과 먼저 소통하여 문제를 해결할 수 있습니다. 이는 업무 효율성과 문제 해결 속도를 크게 향상시킬 수 있습니다. OrgLens의 핵심 강점은 데이터에 대한 심층적인 채굴 및 분석 능력에 있습니다. Jira, GitHub 등 플랫폼의 데이터를 캡처할 뿐만 아니라 내부 문서와 이력서를 분석하여 포괄적인 지식 그래프를 구축합니다. 이 지식 그래프에는 직원의 기술과 경험뿐만 아니라 다양한 프로젝트에서의 기여와 상호 작용도 기록됩니다. OrgLens는 이 지식 그래프를 통해 특정 작업에 가장 적합한 전문가를 정확하게 식별하여 도움이 필요한 사람에게 추천합니다. 또한, OrgLens는 사용자 경험을 중요시합니다. 사용자가 키워드를 검색하거나 고급 필터를 사용하여 적합한 전문가를 찾을 수 있는 직관적이고 사용하기 쉬운 웹 인터페이스를 제공합니다. 더 나아가 “디지털 트윈” 기능을 통해 사용자는 미리 질문하고 신속하게 답변을 얻을 수 있으므로 전문가와 구직자 모두 시간을 절약 할 수 있습니다. OrgLens는 전문가 매칭 프로세스에 인공지능을 통합함으로써 기업이 내부 인재 자원을 관리하고 활용하는 방식을 혁신하고 협업, 혁신 및 전반적인 성과를 향상시킬 수 있는 잠재력을 가지고 있습니다.
OrgLens가 성공한 이유는 기업 내부에 만연한 지식 관리 문제를 해결했기 때문입니다. 많은 기업이 직원 기술의 분산과 정보 접근의 어려움에 직면하여 자원 낭비와 효율성 저하를 겪고 있습니다. OrgLens는 전문가 매칭 프로세스를 자동화하여 이 문제를 효과적으로 해결하고 기업에 다음과 같은 상당한 이점을 제공합니다:
- 생산성 향상: 직원들은 필요한 도움을 더 빨리 찾을 수 있어 프로젝트 진행 속도를 높일 수 있습니다.
- 혁신 촉진: 다양한 분야의 전문가를 연결하여 새로운 아이디어와 솔루션을 창출할 수 있습니다.
- 자원 활용 최적화: 중복된 노력과 자원 낭비를 방지하고 전체 효율성을 향상시킵니다.
- 직원 참여도 향상: 직원이 지식과 경험을 더 쉽게 공유할 수 있도록 하여 참여감과 소속감을 강화합니다.
Compliance Wizards – 2등
Compliance Wizards는 사기 행위를 감지하고 사용자 정의 위험 평가 알고리즘에 따라 사용자에게 알림을 제공하는 AI 기반 트랜잭션 분석기를 구축했습니다. 이메일 알림이 사용자에게 전송되어 거래를 보고하거나 확인하도록 프롬프트를 표시합니다. 그런 다음 사용자는 AI 음성 어시스턴트와 상호 작용하여 보고서 제출 또는 거래를 확인할 수 있습니다. Llama API의 다중 모드를 사용하여 사기 평가자는 고객 정보를 업로드하고 고객 관련 뉴스를 검색하여 고객이 관련된 주의할 만한 범죄 활동에 참여했는지 여부를 확인할 수 있습니다.
Compliance Wizards는 의심스러운 활동을 식별하고 사용자 정의 위험 평가 알고리즘을 통해 사용자에게 경고하는 데 사용되는 AI 기반 트랜잭션 분석기를 만들었습니다. 이 시스템은 특정 거래를 검토하고 확인하라는 메시지를 사용자에게 보내는 이메일 알림을 통해 작동합니다. 그러면 사용자는 AI 기반 음성 도우미와 상호 작용하여 거래를 보고하거나 합법성을 확인할 수 있습니다. Llama API의 다중 모드 기능을 활용하여 사기 평가자는 고객 정보를 업로드하고 관련된 뉴스를 검색하여 고객이 주목할 만한 범죄 활동에 관여했는지 확인하는 데 도움을 받을 수 있습니다.
Compliance Wizards의 핵심은 강력한 AI 엔진으로, 거래 데이터를 심층적으로 분석하여 잠재적인 사기 패턴을 식별하는 능력에 있습니다. 이 엔진은 기존의 사기 행위를 감지할 뿐만 아니라 고객의 특정 위험 상황에 따라 사용자 정의된 위험 평가를 수행하여 사기 탐지 정확도를 향상시킵니다. 또한 Compliance Wizards는 fraud assessors가 고객에 대한 관련 정보(예: 언론 기사 및 법적 기록)를 신속하게 수집할 수 있도록 뉴스 검색 기능을 통합했습니다. 이 맥락 정보는 고객의 전반적인 위험 프로필을 평가하고 잠재적인 위험 신호를 식별하는 데 매우 중요할 수 있습니다.
AI 기반 음성 어시스턴트는 Compliance Wizards의 또 다른 핵심 요소입니다. 특히 이동 중에도 거래를 보고하고 승인하는 편리하고 효율적인 방법을 사용자에게 제공합니다. 음성 어시스턴트는 거래에 대한 질문에 답변하고 관련 규정 준수 방법에 대한 지침을 제공할 수도 있습니다.
Compliance Wizards의 주요 이점은 다계층 보안 접근 방식에 있습니다:
- 고급 위험 평가: 사용자 정의된 위험 평가 알고리즘을 통해 잠재적인 사기 행위를 보다 정확하게 식별할 수 있습니다.
- 실시간 거래 분석: 모든 거래를 실시간으로 모니터링하여 의심스러운 활동을 즉시 감지합니다.
- 상황 인식: 뉴스 정보를 캡처하여 고객의 위험 상황을 포괄적으로 평가할 수 있습니다.
- 간편한 보고: 음성 도우미를 제공하여 보고 및 확인 프로세스를 간소화합니다.
Compliance Wizards는 단순한 도구 이상으로, 기업이 사기 위험을 최소화하고 관련 규정을 준수하는 데 도움이 되는 포괄적인 규정 준수 솔루션입니다.
Llama CCTV Operator – 3등
Agajan Torayev가 이끄는 팀은 모델 미세 조정 없이 사용자 정의 감시 비디오 이벤트를 자동으로 식별하는 Llama CCTV AI 제어실 운영자를 구축했습니다. 운영자는 간단한 언어로 비디오 이벤트를 정의할 수 있습니다. Llama 4의 다중 모드 이미지 이해 기능을 사용하여 시스템은 5프레임마다 모션을 캡처하고 감지하여 이러한 미리 정의된 이벤트를 평가하고 운영자에게 보고합니다.
Llama CCTV Operator의 기본 아이디어는 감시 시스템이 단순히 비디오를 수동적으로 기록하는 것이 아니라 예외적인 이벤트를 적극적으로 식별할 수 있도록 지능을 부여하는 것입니다. 이 시스템은 Llama 4의 강력한 이미지 이해 기능을 활용하여 실시간으로 비디오 피드를 분석하고 의심스러운 활동, 무단 액세스 또는 안전 위험과 같은 광범위한 사전 정의된 이벤트를 감지할 수 있습니다. 운영자는 기계 학습 또는 컴퓨터 비전에 대한 전문 지식 없이 간단한 언어를 사용하여 이러한 이벤트를 정의할 수 있습니다.
이 시스템은 5프레임마다 모션을 캡처하고 분석한 다음 Llama 4의 다중 모드 기능을 사용하여 캡처된 모션이 미리 정의된 이벤트와 일치하는지 여부를 평가합니다. 일치하는 항목이 발견되면 시스템은 관련 맥락 정보와 함께 즉시 운영자에게 이벤트를 보고합니다.
Llama CCTV Operator의 주요 이점은 다음과 같습니다:
- 미세 조정 불필요: 모델을 미세 조정할 필요가 없어 배포 및 유지 관리 프로세스를 크게 간소화합니다.
- 사용 사용자 정의 이벤트 감지: 운영자는 간단한 언어를 사용하여 사용자 정의 감시 이벤트를 정의하여 특정 보안 요구 사항을 충족할 수 있습니다.
- 실시간 분석: 시스템은 비디오 피드를 실시간으로 분석하여 의심스러운 활동을 최대한 빨리 감지할 수 있습니다.
- 자동 보고: 시스템은 감지된 이벤트를 자동으로 운영자에게 보고하여 수동 모니터링의 필요성을 줄입니다.
Geo-ML – Llama API 최고 활용
지질학자 William Davis는 Llama 4 Maverick과 GemPy를 사용하여 가능한 채굴 장소, 지형도 및 광물 매장량의 3D 지질 모델을 생성했습니다. Geo-ML은 400페이지 분량의 지질 보고서를 처리하여 정보를 구조화된 지질 분야 특정 언어로 통합한 다음 이를 사용하여 지하 지질의 3D 표현을 생성하는 방식으로 작동합니다.
Davis는 "장편 지질 연구 논문에서 매우긴 텍스트와 이미지를 추출하기 위해 LLM API를 실제로 사용한 것은 이번이 처음이므로 Llama Maverick의 매우기 긴 컨텍스트 창과 텍스트 및 이미지 다중 모드 기능을 사용하여 텍스트를 추출하고 도메인 특정 언어로 변환하여 문서에 저장된 모든 내용의 압축 버전을 제공했습니다.”라고 말했습니다. "저는 대부분의 시간을 지질 문서를 읽는 데 보냈습니다. 백그라운드에서 이 작업을 수행할 수 있는 LLM이 있다면 정말 좋을 것입니다.”
지질학자 윌리엄 데이비스(William Davis)는 Llama 4 Maverick과 GemPy를 사용하여 완전히 새로운 지질 모델링 방법을 개척했습니다. Geo-ML의 목표는 인공지능의 힘을 활용하여 방대한 지질 보고서에서 숨겨진 정보를 추출하고 유용하고 이해하기 쉬운 3D 모델로 변환하는 것입니다.
이 시스템은 400페이지 이상의 긴 지질 연구 논문을 처리하고 정보를 구조화된 지질 도메인 특정 언어로 통합하는 방식으로 작동합니다. 이 언어는 보고서에 설명된 주요 지질학적 특징, 구조 및 광물 매장량을 캡처합니다. 그런 다음 시스템은 이 언어를 사용하여 지하 지질학적 3D 표현을 생성하여 지질학자가 지하 환경을 보다 쉽게 시각화하고 분석할 수 있도록 돕습니다.
Davis 자신은 Geo-ML을 가능하게 하는 데 있어 Llama 4 Maverick의 긴 컨텍스트 창과 다중 모드 기능의 중요성을 강조했습니다. 긴 컨텍스트 창을 통해 시스템은 전체 연구 논문을 한 번에 처리할 수 있는 반면 다중 모드 기능을 통해 문서에서 텍스트와 이미지를 모두 추출할 수 있습니다.
Geo-ML의 주요 이점은 다음과 같습니다:
- 지질 모델링 자동화: 지질 모델링 프로세스를 자동화하여 수동 분석에 소요되는 시간과 노력을 줄입니다.
- 숨겨진 정보 추출: 방대한 지질 보고서에서 숨겨진 정보를 추출하여 지질학자가 잠재적인 채굴 장소와 광물 매장량을 발견하는 데 도움을 줍니다.
- 3D 모델 생성: 지하 지질의 3D 표현을 생성하여 지질학자가 지하 환경을 보다 쉽게 시각화하고 분석할 수 있도록 돕습니다.
- 지질 연구 가속화: 지질 모델링 프로세스를 가속화하여 지질 연구 진행 속도를 가속화합니다.
특별 표창: Concierge 팀
Concierge라는 이름의 결선 진출자 중 한 명은 자체 GPU를 사용하여 대회에 참가하여 경쟁에서 단연 돋보였습니다.
이 팀은 "Llama 4 Maverick의 가장 좋은 점은 희소 전문가 혼합 특성과 오픈 소스 가용성이라고 믿으며 미세 조정을 허용합니다."라고 말했습니다. “Meta는 최근 GitHub에서 뛰어난 도구인 미세 조정 도구를 출시했습니다. Llama API를 사용하여 여러 소스의 데이터를 컴파일하여 QA 데이터세트를 만들고 Llama 4 Maverick 모델을 미세 조정했습니다. 현재 Llama 4 인코더가 부족하고 1M 컨텍스트 창이 있으므로 예외가 될 것으로 예상되므로 개방형 벤치마크에 제출할 계획입니다.”
Concierge의 독특한 접근 방식은 특정 작업에서 성능을 향상시키기 위해 Llama 4 Maverick 모델을 미세 조정하는 데 있습니다. 이 팀은 Llama 4 Maverick의 희소 전문가 혼합 특성과 오픈 소스 가용성이 결합되어 미세 조정을 위한 이상적인 후보라고 믿었습니다.
모델을 미세 조정하기 위해 팀은 여러 소스의 데이터를 컴파일하여 QA 데이터세트를 만들었습니다. 그런 다음 Meta의 미세 조정 도구를 사용하여 모델을 훈련했습니다. 이 팀은 성능을 평가하기 위해 미세 조정된 모델을 개방형 벤치마크에 제출할 계획입니다.
결승 진출자 데모 시청
YouTube에서 결승 진출자 데모를 시청할 수 있습니다.
다음 Llama 해커톤에 참여하세요
개발자는 2025년 5월 31일부터 6월 1일까지 뉴욕에서 열리는 다음 Llama 해커톤에 신청할 수 있습니다.