

kubernetes에서 Local LLM 편리하게 사용하기
Kubernetes에서 로컬 LLM을 쓰는 세 가지 접근을 직접 Pod, KServe, KubeAI로 나누어 정리했습니다. 간단한 실습부터 운영 관점의 제약과 선택 포인트까지 함께 살펴봤습니다.


Kubernetes에서 로컬 LLM을 쓰는 세 가지 접근을 직접 Pod, KServe, KubeAI로 나누어 정리했습니다. 간단한 실습부터 운영 관점의 제약과 선택 포인트까지 함께 살펴봤습니다.


독일 법원의 LAION 판결을 통해 AI 학습용 데이터 수집과 저작권 보호의 균형을 살펴보았습니다. 국내 AI 기업도 TDM 예외와 opt-out 쟁점을 주의 깊게 확인할 필요가 있습니다.


GPT와 프롬프트 엔지니어링으로 메뉴 이미지 검수를 자동화한 사례를 소개했습니다. 수동 검수 병목을 줄이고, 구조화된 응답과 하이브리드 운영으로 정확도와 효율을 높였습니다.

네이버는 서치피드 SURF로 검색을 결과 나열이 아닌 연속적 탐색 경험으로 확장했습니다. LLM 기반 임베딩, 맥락텍스트, 실시간 피드백으로 개인화와 최신성을 함께 강화했습니다.


여기어때 해커톤에서 Gen AI 기반 숙소 추천 챗봇을 구현한 과정을 공유했습니다. ChatGPT, STT, Vision API, 해시태그 추천을 조합해 검색과 추천 기능을 구성했습니다.

오픈 소스 LLM의 한계를 보완하는 RAG를 소개하는 튜토리얼 글입니다. 설치된 LLM을 활용해 검색 증강 생성 방식을 설명합니다.

VLM과 LLM을 활용해 멀티모달 학습 데이터를 만드는 방법을 소개했습니다. OCR, 프롬프트 엔지니어링, 후처리로 수작업 라벨링의 비용과 시간을 줄였습니다.


에이닷 전화 통화요약 서비스에 적용한 LLM 개발 과정을 소개했습니다. 자동·수동 데이터를 결합한 학습과 LoRA 기반 미세조정, 전문가 평가로 품질을 높였습니다.


2025년 AI 트렌드 4가지를 AI 기업 M&A, 에이전트, 설명 가능한 AI, 멀티모달 AI 중심으로 정리했습니다. 각 흐름의 배경과 활용 방향도 함께 살펴봤습니다.


AI가 자동차 산업 전반을 자율주행과 개인화, 예측 유지보수로 바꾸는 흐름을 소개했습니다. 또한 에이닷 오토의 진화 방향과 차량 내 AI 비서 고도화 계획을 설명했습니다.

X

FE News 24년 12월 프런트엔드 소식을 정리한 큐레이션 글입니다. 설문 보고서, Web AI, Next.js self-hosting, 밋업 공개 소식을 담았습니다.