technical-explainer 태그 문서 71개

Tag71건YouTube 32Article 39

#technical-explainer

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

연관 태그

#synthid-text공동문서 2 · 연관도 17%#architecture-comparison공동문서 2 · 연관도 14%#code-walkthrough공동문서 2 · 연관도 14%#progressive-skill-disclosure공동문서 2 · 연관도 14%#ai-memory-hierarchy공동문서 2 · 연관도 12%#hybrid-search공동문서 2 · 연관도 12%#4f2-dram공동문서 1 · 연관도 12%#accuracy-decomposition공동문서 1 · 연관도 12%#accuracy-preserving-compression공동문서 1 · 연관도 12%#activation-analysis공동문서 1 · 연관도 12%

문서 목록

총 71건 중 1-24건

Article2026년 10월 27일

Frontier AI labs say their models refuted the Exponential Time Hypothesis. What does that mean?

OpenAI와 Anthropic은 AI 모델이 지수시간 가설(ETH)을 반박하는 알고리즘을 찾았다고 주장했으며, 검증 결과에 따라 계산복잡도 연구의 전제와 기존 연구를 재검토해야 할 수 있다.

Tim Fernholz

#anthropic #openai #exponential-time-hypothesis #subexponential-time-algorithms

YouTube2026년 10월 26일

한국 반도체만 100조씩 번다? 미국이 가만두지 않을 겁니다" 삼성전자·SK하이닉스가 이익 줄어들 걸 알면서도 공장 짓는 진짜 이유 (고려대 전기전자공학부 신창환 교수)

"한국 반도체만 100조씩 번다? 미국이 가만두지 않을 겁니다" 삼성전자·SK하이닉스가 이익 줄어들 걸 알면서도 공장 짓는 진짜 이유 (고려대 전기전자공학부 신창환 교수)를 중심으로, 증설은 수익 극대화뿐 아니라 정치적 위험을 줄이는 수단이 될 수 있다. 미국이 자국 고객의 메모리 구매 부담을 문제 삼는다면, 공를 핵심 판단 포인트로 압축 정리한다.

언더스탠딩 : 세상의 모든 지식

#semiconductors #memory-market #ai-infrastructure #capacity-expansion

YouTube2026년 10월 23일

DeepSeek DeepInfer Just Got a HUGE Open Source Upgrade!

DeepSeek의 DeepInfer 오픈소스 공개는 실제 운영 추론 엔진을 살펴볼 기회를 넓혔지만, 대규모 하드웨어와 별도 서비스 구성 요소가 필요해 곧바로 실행하는 완성형 서비스는 아니다.

Julian Goldie SEO

#ai-inference #model-serving #gpu-computing #kv-cache

Article2026년 10월 21일

What are data connectors? How AI agents reach third-party data

AI 에이전트용 데이터 커넥터는 질문에 필요한 외부 데이터를 실행 중에 조회하는 연결 수단이며, Firecrawl Alexandria는 여러 공급자의 도구를 하나의 API 키로 탐색하고 호출하는 카탈로그다.

firecrawl.dev

#apollo-io #firecrawl-alexandria #fiscal-ai #query-time-retrieval

Article2026년 10월 18일

Prompt Caching: How It Works, What It Costs, and How to Keep the Cache Hitting

프롬프트 캐싱은 동일한 접두부의 처리 상태를 요청 간 재사용해 비용과 응답 시작 시간을 줄이며, 실제 효과는 접두부의 안정성, 제공업체별 설정과 수명, 캐시 적중률에 달려 있다.

firecrawl.dev

#anthropic #gemini #openai #requesty

YouTube2026년 10월 16일

자동차가 진짜 날았다…머스크는 왜 자동차에 로켓을 달았나

영상은 로드스터에 로켓을 다는 이유를 팬 다운포스와 냉가스 추진기로 자동차의 운동 한계를 넓히고 테슬라의 기술력을 보여주려는 시도로 해석한다.

안될공학 - IT 테크 신기술

#electric-vehicles #vehicle-dynamics #aerospace-engineering #fan-downforce

Article2026년 10월 15일

Trust in Depth: Giving agents more autonomy without losing control

AWS는 에이전트의 자율성을 안전하게 확대하기 위해 Scope·Know·Bound·Observe의 네 계층과 자동 추론을 결합하는 Trust in Depth를 제시한다.

aws.amazon.com

#amazon-bedrock-agentcore #aws-agent-registry #trust-in-depth #verifiable-autonomy

YouTube2026년 10월 15일

CXMT 현 상황 완벽 정리. 삼성은 이미 17년 전 만들었다는... 4F², CXMT 진짜 양산 가능한가

삼성이 이미 2009년에 구현했던 4F² D램에 CXMT도 도전하고 있지만, 발표 일정만으로 양산 경쟁력이나 삼성 대비 2년의 기술 우위를 입증할 수는 없다.

안될공학 - IT 테크 신기술

#4f2-dram #vertical-transistor #hybrid-bonding #mass-production

Article2026년 10월 14일

Context Engineering with Deep Agents: How To Remember Without Keeping Everything In Context

LangChain의 Deep Agents는 오프로딩·요약·스킬·서브에이전트·장기 기억으로 활성 컨텍스트의 부담을 줄이고, 사용자 소유 저장소의 일반 파일에 기억을 보존해 모델이나 제공자가 바뀌어도 재사용할 수 있게 한다.

langchain.com

#langchain #deep-agents #progressive-skill-disclosure #recoverable-context-offloading

Article2026년 10월 7일

Rethinking access control for RAG with Amazon Quick and Amazon Bedrock

Amazon Quick과 Amazon Bedrock Knowledge Bases는 기존 ACL 사전 필터링에 질의 시점의 원본 데이터 소스 권한 검증을 결합해, 사용자가 접근할 수 있는 문서만 RAG 답변에 반영하도록 한다.

aws.amazon.com

#amazon-quick #google-drive #amazon-bedrock-guardrails #query-time-authorization

YouTube2026년 10월 6일

반도체의 세대가 바뀌면 전력은 남아돌 겁니다 - 정대성 교수 (포스텍 화학공학과)

반도체의 세대 전환으로 AI의 전력 낭비를 크게 줄일 수 있다는 전망의 핵심은 뉴로모픽의 연산·저장 통합이지만, 전력이 남아돌 정도의 효과와 실현 시점은 아직 확인되지 않았다.

손에잡히는경제

#semiconductors #neuromorphic-computing #large-language-model #edge-computing

Article2026년 9월 21일

AI Security Is an Engineering Problem — How to Solve It at Every Layer of the Agent Stack

NVIDIA는 AI 보안을 엔지니어링 문제로 규정하고, 에이전트 전체 스택에 강제 가능한 보안 경계, 명확한 책임자, 보호 기능의 효과를 입증하는 증거가 필요하다고 강조한다.

Saša Zdjelar

#jfrog #cisco-defenseclaw #nvidia-openshell #evidence-gated-deployment

Article2026년 9월 21일

Pruning LLMs Like a Physicist: Block Removal as an Ising Optimization Problem

Multiverse Computing은 LLM 블록 제거를 블록 간 상호작용을 반영하는 제약 이진 최적화(CBO)와 Ising glass의 에너지 최소화 문제로 정식화해, Llama 3.3 70B Instruct의 50% 깊이 압축에서 재학습 없이 block influence보다 MMLU를 22.9%포인트 높였다고 보고했다.

huggingface.co

#multiverse-computing #interaction-aware-pruning #llm #constrained-binary-optimization

Article2026년 9월 21일

What Is Jev? Inside TypeSafe's Decision-Only AI Model and Its Developer Use Cases

TypeSafe AI의 Jev는 텍스트 대신 확률을 동반한 정형 결정을 반환하는 저비용·저지연 모델로, LLM 보조 판단에 적합하지만 스키마 보장이 판단의 정확성까지 보장하지는 않는다.

firecrawl.dev

#pi-warden #typesafe-ai #application-controlled-execution #probability-calibration

YouTube2026년 9월 16일

DeepSeek V4.1 Flash is a beautiful model..

DeepSeek V4.1 Flash는 반복 패턴 저장, 입력 처리 분리, KV 캐시 재사용, 메모리 이동 최적화를 결합한 정교한 모델로 소개되지만, 토큰 효율과 지능의 개선은 과제로 남는다.

Caleb Writes Code

#language-models #model-architecture #kv-cache #gpu-memory

Article2026년 9월 10일

Agent Evaluation Metric for multi-turn conversations

AEM은 다중 턴 에이전트의 정확성을 사실 일치성·완전성으로 분해하고 턴별로 평가해, 실패의 근본 원인과 후속 턴의 연쇄 실패를 구분하는 평가 프레임워크다.

aws.amazon.com

#agent-evaluation-metric #amazon-web-services #accuracy-decomposition #cascading-failure-diagnosis

Article2026년 9월 5일

Agentic Workflows Explained: When to Use AI Agents vs Linear Pipelines

에이전트형 워크플로는 목표를 고정하고 실행 경로를 AI 에이전트에 맡기는 방식으로, 경로가 불확실한 작업에 적합하지만 운영을 위한 검증·상태 관리·비용 통제가 필요하다.

firecrawl.dev

#firecrawl #model-context-protocol #adaptive-execution #autonomy-cost-tradeoff

YouTube2026년 9월 4일

HBM4 추가로 더 탑재, 엔비디아 Rubin CPX 부활설

Rubin CPX의 168GB HBM4 탑재설은 아직 미확정이지만, 삼성 HBM4의 13Gbps가 적은 메모리로도 높은 대역폭을 확보하는 설계 여유가 될 수 있음을 보여준다.

안될공학 - IT 테크 신기술

#hbm4-memory #ai-inference-hardware #dram-supply #bandwidth-preserving-downsizing

YouTube2026년 9월 2일

Fable 5.1 Watermarks EVERYTHING, Here''s How To Remove It

영상은 Fable 5.1이 모든 출력에 통계적 워터마크를 넣는다고 주장하며, 제거 방법으로 로컬 모델을 통한 대폭 재작성을 제안하지만 실제 제거 효과는 입증하지 않는다.

Chase AI

#text-watermarking #ai-text-detection #local-language-models #statistical-word-patterns

YouTube2026년 9월 1일

EP 112. AI 반도체 안에서 일어나는 일들: KV Cache부터 Roofline까지

AI 반도체 안에서 일어나는 성능과 비용의 차이는 KV cache가 만드는 메모리 병목과 Roofline이 보여주는 연산·대역폭의 균형으로 설명할 수 있다.

AI Frontier Korea (노정석)

#ai-semiconductors #llm-inference #kv-cache #roofline

YouTube2026년 8월 29일

최강 GPU도 HBM 없으면 느려진다

최강 GPU도 HBM의 대역폭·용량과 첨단 패키징이 뒷받침되지 않으면 데이터를 제때 공급받지 못해 실제 AI 성능을 충분히 발휘할 수 없다.

안될공학 - IT 테크 신기술

#high-bandwidth-memory #ai-accelerators #advanced-packaging #tsmc-cowos

YouTube2026년 8월 27일

AI 신약개발, 결국 성패를 가르는 건 ''데이터''였다 [안될과학 X 오송첨단의료산업진흥재단]

AI 신약개발의 성패를 가르는 핵심은 항원·항체 결합력과 약물성을 정확히 측정한 고품질 데이터, 그리고 AI 예측을 실험으로 검증해 다시 학습시키는 순환 구조다.

안될과학 Unrealscience

#ai-antibody-design #computational-drug-discovery #automated-lab-validation #data-quality-bottleneck

YouTube2026년 8월 27일

Tinkering with DFlash2: How to Speed Up Local AI Models

Tinkering with DFlash2: How to Speed Up Local AI Models를 중심으로, 일반 디코딩은 토큰 하나를 생성할 때마다 모델의 전체 가중치를 메모리에서 다시 읽기 때문에, 로컬 GPU에서는 계산보다 메모리 대를 핵심 판단 포인트로 압축 정리한다.

Tonbi''s AI Garage

#local-llm-inference #speculative-decoding #block-diffusion-decoding #dflash2-throughput-gain

Article2026년 8월 26일

Evaluate any agent framework with Amazon Bedrock AgentCore Evaluations

Amazon Bedrock AgentCore Evaluations는 표준 OpenTelemetry 계측으로 수집한 세션과 메시지를 재구성해 에이전트 프레임워크에 독립적인 평가를 제공한다.

aws.amazon.com

#openinference #opentelemetry #amazon-cloudwatch #evaluation-input-completeness