이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.
연관 태그
AE Studio는 Modal 위에서 Lean 기반 정리 증명 강화학습 워크플로를 구축해, ES와 GRPO를 비교하고 병렬 GPU 추론·격리된 CPU 검증·경량 오케스트레이션을 조합한 실험 인프라의 속도와 비용 효율을 보여준다.
Spotify Engineering은 LLM 평가를 A/B 테스트의 대체재가 아니라, 실험 전 후보를 걸러내고 실험 후 판단 기준을 보정하는 ‘평가 퍼널’로 사용해야 한다고 설명한다.
OpenAI의 Symphony는 Linear 같은 이슈 트래커를 코딩 에이전트의 상시 오케스트레이션 제어판으로 바꿔, 인간의 세션 관리 부담을 줄이고 작업 단위 중심으로 에이전트가 병렬 실행되도록 만든 오픈소스 명세입니다.
Spotify는 백그라운드 코딩 에이전트 Honk와 Backstage, Fleet Management를 활용해 대규모 데이터셋 소비자 마이그레이션의 반복 작업을 자동화했고, 그 과정에서 표준화된 데이터 환경과 테스트 체계가 에이전트 기반 유지보수의 핵심 조건임을 확인했다.
Cloudflare는 분산된 내부 데이터를 하나의 SQL 기반 데이터 레이크하우스인 Town Lake로 통합하고, 그 위에 자연어로 검증 가능한 데이터 질의를 수행하는 AI 에이전트 Skipper를 구축했다.
스포티파이는 방대한 데이터 웨어하우스를 LLM에 그대로 넣는 대신, 도메인 전문가가 큐레이션한 ‘컨텍스트 레이어’를 통해 신뢰 가능한 데이터 어시스턴트를 구축했다.
Spotify는 복잡한 Ads API를 자연어 요청으로 다룰 수 있도록 Claude Code용 오픈소스 플러그인을 만들었고, Markdown 기반 지식·에이전트·OpenAPI 스펙·투명한 curl 실행을 결합해 광고 캠페인 생성 흐름을 자동화했다.
LangSmith Engine은 에이전트 실행 trace 위에서 반복 실패를 찾아 이슈로 정리하고, 평가기·데이터셋 예시·수정 제안으로 이어지게 하는 에이전트입니다.
스포티파이는 AI 코딩 도구 확산으로 ‘코딩’ 자체보다 표준화, 검토, 우선순위 결정, 개발자·에이전트 경험 설계가 더 중요한 병목이 되고 있다고 설명한다.
ClawHub가 주간 100만 사용자 규모로 커지며 발생한 읽기·대역폭 폭주를 Convex 데이터 모델 최적화로 크게 줄인 운영 사례다.
