Docs faviconDOCS우성짱의 문서
전체YouTubeArticleTagsAuthorsHub
홈/태그 찾기/#technical-explainer
Tag13건YouTube 4Article 9

#technical-explainer

이 태그와 연결된 문서를 한곳에서 모아보고, 함께 자주 등장하는 연관 태그까지 이어서 탐색할 수 있습니다.

연관 태그

#ai-memory-hierarchy공동문서 2 · 연관도 28%#accuracy-preserving-compression공동문서 1 · 연관도 28%#activation-analysis공동문서 1 · 연관도 28%#agent-context-retrieval공동문서 1 · 연관도 28%#agent-created-skill공동문서 1 · 연관도 28%#agent-loop-architecture공동문서 1 · 연관도 28%#agent-retrieval공동문서 1 · 연관도 28%#agent-skill-management공동문서 1 · 연관도 28%#ai-interpretability공동문서 1 · 연관도 28%#ai-memory-tiering공동문서 1 · 연관도 28%
How to Debug Coding Agents with LangSmith Traces
Article2026년 7월 14일

How to Debug Coding Agents with LangSmith Traces

LangSmith는 서로 다른 코딩 에이전트의 실행 과정을 공통 트레이스 형식으로 수집해, 최종 결과만으로는 보이지 않는 오류 원인을 재구성하고 반복 실패를 개선하도록 돕는다.

langchain.com
#langsmith#opentelemetry#session-reconstruction#failure-driven-evaluation
메타가 DRAM 재활용 칩을 냈습니다... 메모리 수요 줄어들까? HBM 다음은 CXL?
YouTube2026년 7월 2일

메타가 DRAM 재활용 칩을 냈습니다... 메모리 수요 줄어들까? HBM 다음은 CXL?

메타의 DRAM 재활용 칩은 “HBM 다음은 CXL?”이라기보다, 남는 DDR4를 CXL로 느린 메모리 계층에 붙여 메모리 수요 부담을 일부 낮추는 데이터센터 운영 기술에 가깝습니다.

안될공학 - IT 테크 신기술
#cxl-memory-expansion#dram-reuse#ai-memory-hierarchy#datacenter-memory-systems
샌디스크 특허... HBM 다음 HBF? 쉽지는 않습니다 DRAM이 아니라 NAND거든요
YouTube2026년 6월 24일

샌디스크 특허... HBM 다음 HBF? 쉽지는 않습니다 DRAM이 아니라 NAND거든요

샌디스크 특허가 던진 HBF 논의의 핵심은 HBM을 바로 대체한다는 선언이 아니라, NAND를 AI 메모리 계층으로 끌어올릴 수 있는지 수명·열·오류 정정까지 검증해야 한다는 점입니다.

안될공학 - IT 테크 신기술
#ai-memory-hierarchy#hbm-hbf-memory#nand-flash-reliability#gpu-memory-packaging
Karpathy Bigram explained in 10min..
YouTube2026년 6월 18일

Karpathy Bigram explained in 10min..

Karpathy Bigram은 GPT로 가기 전, 다음 토큰 예측과 손실 최소화가 어떻게 언어 모델 학습의 기본 원리가 되는지 보여주는 가장 단순한 출발점이다.

Caleb Writes Code
#language-modeling#neural-network-training#next-token-prediction#gpt-from-scratch
구글 TPU에 삼성 2nm? 삼성 파운드리 본격 부활의 핵심은 칩렛, 메모리 인터페이스
YouTube2026년 6월 14일

구글 TPU에 삼성 2nm? 삼성 파운드리 본격 부활의 핵심은 칩렛, 메모리 인터페이스

구글 TPU와 삼성 2nm 보도의 핵심은 “전체 수주”가 아니라 칩렛 시대에 메모리 인터페이스라는 병목 지점을 누가 차지하느냐의 문제다.

안될공학 - IT 테크 신기술
#ai-accelerators#chiplet-architecture#memory-interface#advanced-packaging
Reinforcement learning is an infrastructure problem
Article2026년 6월 1일

Reinforcement learning is an infrastructure problem

Modal은 LLM 사후학습용 강화학습의 병목이 알고리즘 자체보다 다중 노드 학습, 롤아웃, 샌드박스 실행을 안정적으로 연결하는 인프라에 있다고 주장한다.

Modal
#deepseek#modal#qwen3#kimi-k2-6
Natural Language Autoencoders
Article2026년 5월 7일

Natural Language Autoencoders

Anthropic은 모델 내부 활성화를 사람이 읽을 수 있는 자연어 설명으로 바꾸는 Natural Language Autoencoders를 소개하며, 이를 통해 Claude가 말하지 않는 평가 인식·숨은 동기·오류 원인을 조사할 수 있음을 보였다.

Anthropic
#anthropic#claude-ai#natural-language-autoencoders#swe-bench-verified
How Hermes Agent Solves Skill Drift and Context Rot as a Self-Improving Agent
Article2026년 5월 1일

How Hermes Agent Solves Skill Drift and Context Rot as a Self-Improving Agent

Hermes Curator는 자기 개선형 에이전트가 만든 스킬이 무한히 쌓여 컨텍스트와 추론 품질을 망가뜨리는 문제를 사용량 추적, 자동 비활성화, 보조 모델 리뷰, 핀 고정으로 관리하는 스킬 정리 시스템이다.

mem0
#hermes-agent#hermes-curator#pinned-skill#agent-created-skill
AI Search: the search primitive for your agents
Article2026년 4월 16일

AI Search: the search primitive for your agents

Cloudflare의 AI Search는 에이전트가 필요한 정보를 적시에 모델에 제공하도록 하이브리드 검색, 내장 저장소·인덱스, 런타임 인스턴스 생성, 메타데이터 기반 랭킹 조정, 다중 인스턴스 검색을 제공하는 검색 기반 구성요소다.

blog.cloudflare.com
#cloudflare#agents-sdk#ai-search#cloudflare-workers
The Anatomy of an Agent Harness
Article2026년 4월 6일

The Anatomy of an Agent Harness

LLM 에이전트의 성능 병목은 모델 자체보다 모델을 둘러싼 오케스트레이션, 도구, 메모리, 컨텍스트 관리, 검증 루프를 포함한 ‘agent harness’ 설계에 크게 좌우된다.

Akshay 🚀
#anthropic#crewai#langchain#openai
​Sequential Attention: Making AI models leaner and faster without sacrificing accuracy
Article2026년 2월 4일

​Sequential Attention: Making AI models leaner and faster without sacrificing accuracy

구글 리서치는 대규모 딥러닝 모델의 부분집합 선택 문제를 학습 과정 안에서 순차적 attention 기반으로 해결해, 정확도를 유지하면서 모델을 더 작고 빠르게 만드는 Sequential Attention을 소개했다.

research.google
#sequentialattention#google-research#sequential-attention#orthogonal-matching-pursuit
Unrolling the Codex agent loop
Article2026년 1월 23일

Unrolling the Codex agent loop

OpenAI는 Codex CLI의 핵심인 에이전트 루프가 사용자 입력, 모델 추론, 도구 호출, 실행 결과 반영을 반복하며 소프트웨어 작업을 완수하는 방식을 설명한다.

openai.com
#openai#codex-cli#codex-cloud#responses-api
Trading off compute in training and inference
Article2023년 7월 28일

Trading off compute in training and inference

Epoch AI는 훈련 컴퓨트와 추론 컴퓨트가 일정 범위에서 서로 대체될 수 있으며, 특히 대규모 배포 모델에서는 추론 비용 최적화와 고성능 소규모 사용 사이의 균형이 중요하다고 분석한다.

Pablo Villalobos
#epoch-ai#gpt-3#gpt-4#pablo-villalobos