이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.
연관 태그
총 266건 중 97-120건
TF1 저녁 뉴스의 모션 디자이너 야신 타우픽은 생성형 AI가 실험이 아니라 실제 방송 제작에서, 속도보다 ‘이전에는 불가능했던 시각적 구현’을 가능하게 하는 도구라고 설명한다.
Cloudflare는 Ensemble AI의 핵심 인력을 합류시켜 모델 압축, 효율적 추론, 대규모 AI 배포 비용 개선을 Workers AI와 글로벌 인프라 전반에서 강화하려 한다.
New Computer는 LangSmith로 Dot의 에이전트형 장기 메모리 검색과 대화 프롬프트를 실험·평가해 이전 기준 대비 재현율 50%, 정밀도 40% 향상을 달성했다.
LangSmith가 LangChain·LangGraph 애플리케이션을 위한 엔드투엔드 OpenTelemetry 지원을 추가해, LLM 애플리케이션의 추적 데이터를 표준 형식으로 수집·전송·시각화할 수 있게 했습니다.
LangSmith가 OpenTelemetry 형식의 trace 수집을 지원해, OpenLLMetry 규약 기반의 LLM 모니터링과 시스템 telemetry를 LangSmith 안에서 함께 볼 수 있게 됐다는 발표입니다.
LangChain의 첫 산업 콘퍼런스 Interrupt 2025는 에이전트가 실제 프로덕션과 산업 현장으로 확산되고 있음을 보여주며, LangGraph·LangSmith·평가 도구 중심의 제품 출시를 함께 발표한 행사였다.
생성형 인공지능과 코드 분석 모델이 제로데이 발견 비용을 급격히 낮추면서, 기업 보안은 주기적 패치 중심에서 실시간 노출 관리와 자율 방어 체계로 전환해야 한다는 주장이다.
Derived Table은 FROM 절 안의 서브쿼리로 만든 임시 가상 테이블이며, 복잡한 SQL을 집계·필터링·조인 단계로 나누어 더 읽기 쉽게 만드는 데 유용하다.
원문은 순서와 기억이 필요한 시퀀스 데이터를 설명하기 위해 RNN이 왜 등장했는지, 텍스트가 숫자로 변환되는 과정, 순전파와 시간 역전파, 기울기 문제, 그리고 이를 완화하기 위한 LSTM의 기억 구조를 초보자 관점에서 단계적으로 풀어낸다.
『마슐: 매직 앤 머슬』은 마법이 모든 것을 결정하는 세계에서 마법을 전혀 못 쓰는 주인공이 압도적인 근력과 무표정한 코미디로 문제를 해결하는, 단순하지만 자신이 무엇을 잘하는지 분명히 아는 작품으로 평가된다.
이 글은 RAG 품질 문제의 상당수가 프롬프트나 모델보다 검색 실패에서 비롯되며, 근거 문서가 컨텍스트에 들어오도록 검색 파이프라인을 먼저 고쳐야 한다고 설명한다.
vLLM은 KV 캐시를 작은 페이지로 관리하고 스케줄러가 토큰 예산을 배분함으로써, 단일 사용자 중심의 llama.cpp와 달리 GPU 위에서 다수의 동시 요청을 처리하도록 설계된 LLM 추론 엔진이다.
SmithDB는 객체 스토리지에 저장된 거대하고 중첩된 에이전트 trace JSON에서 빠른 전문 검색과 JSON 필터링을 제공하기 위해, Vortex 기반의 객체 스토리지 친화적 inverted index를 처음부터 설계했다.
이 글은 프로파일러 추적을 통해 nn.Linear의 전치·행렬곱·편향 처리가 실제로 어떻게 실행되는지 분석하고, 단일 선형 계층에서 GeGLU MLP의 다중 커널 구조로 관찰 범위를 확장한다.
Hermes Agent + HyperFrames는 무료 AI 영상 제작 도구로 꽤 실용적인 결과를 만들 수 있지만, 핵심은 “비슷한 효과”가 아니라 실제 HyperFrames catalog transition과 block을 정확히 호출하게 만드는 데 있다.
프런티어 팀은 AI를 단순 코딩 보조 도구가 아니라 소프트웨어 개발 방식의 기반으로 삼아, 에이전트가 잘 판단할 수 있는 맥락과 워크플로를 재설계함으로써 생산 배포 속도를 크게 높이고 있다.
Odysseus는 Local ChatGPT를 로컬 우선·프라이버시 중심으로 구현하려는 흥미로운 셀프호스팅 AI 작업공간이지만, Docker GPU 인식·모델 서빙·초기 보안 설정까지 직접 확인해야 실사용성이 드러난다.
수학적 최적화는 직관과 단순 규칙으로 처리하기 어려운 대규모 운영 의사결정을 제약 조건 안에서 검증 가능한 최적 해로 바꾸는 AI 접근법이다.
DeepSeek V4는 최고 벤치마크 점수보다 100만 토큰 문맥을 실제 에이전트 작업에서 감당하게 만드는 긴 문맥 효율, 도구 호출 지속성, 샌드박스 기반 학습 인프라에 초점을 둔 모델이다.
Hermes Kanban 기반 Multi Agent Workflow는 LLM 위키를 더 최신이고 검증 가능한 지식베이스로 유지하기 위한 실전형 자동화 구조다.
Hugging Face는 hf CLI를 사람과 코딩 에이전트가 모두 효율적으로 Hub를 다룰 수 있도록 재설계했고, 특히 복잡한 다단계 작업에서 에이전트의 토큰 사용과 실패를 줄인다고 설명한다.
Geometry in Robot Learning의 핵심은 로봇 학습을 무작정 더 큰 데이터와 모델로 밀어붙이기보다, 기하·대칭성·좌표계 구조를 모델에 넣어 데이터 효율성과 자세 일반화를 높이려는 것이다.
Figma의 Matt Colyer는 AI가 SaaS를 무너뜨리기보다 개발자와 소프트웨어 수요를 폭발적으로 늘려 기존 제품에 더 큰 기회를 만든다고 본다.
스탠퍼드 HAI 연구는 상용 AI 챗봇이 당일 뉴스 질문에서 높은 평균 정확도를 보였지만, 실제 신뢰성은 언어·지역별 검색 인프라, 출처 선택, 불완전한 질문에 대한 취약성에 크게 좌우된다고 분석했다.
