어피닛 AI 엔진이 규칙 기반 심사 정책을 학습 정책으로 전환해가는 과정
규칙 기반 대출 심사 정책의 한계를 분석하고, 이를 학습 정책으로 안전하게 전환하는 3단계 프레임워크를 소개했습니다. 위험을 늘리지 않으면서 단계적으로 검증 범위를 넓히는 방법을 제시했습니다.
#ML#오프폴리시 평가
2600
AI 기술 블로그 최신 글
필터 0
AI 해커톤: 약속한 그대로 받는 대출
대출 재신청의 불확실성을 줄이기 위해 100% 보장된 사전 승인 오퍼를 설계했습니다. AI 도구를 개발 전 과정에 활용해 해커톤 결과물을 빠르게 구현했고, 실제 서비스 적용도 준비 중입니다.
#Claude#Cursor
2000
코드를 거의 타이핑하지 않고 3주 만에 DL모델 만들기
코드를 거의 타이핑하지 않고 3주 만에 DL모델 만들기
검색용 DL 모델을 3주 만에 만든 작업 경험을 공유했습니다. 코드를 거의 타이핑하지 않고 진행한 학습 방식에 초점을 맞췄습니다.
#DL#검색
5600
AI에게 투자정보를 말하게 하기까지
투자 정보는 적시성, 정확성, 검증 가능성이 중요해 LLM 출력만으로는 부족했습니다. 근거 선별과 절차 통제, 평가 가능한 구조를 통해 AI가 말해도 되는 상태를 운영했습니다.
#LLM#ML
7300
[25. 8. 27] 시계열 데이터의 새로운 설명 가능한 AI 기법: TIMING
[25. 8. 27] 시계열 데이터의 새로운 설명 가능한 AI 기법: TIMING
시계열 데이터 설명 가능한 AI 기법 TIMING을 소개했습니다. 에이아이트릭스 연구팀 논문이 ICML 2025 Spotlight로 선정됐습니다.
#시계열 데이터#설명 가능한 AI
2200
AI 에이전트 스킬이 발동하지 않는 이유: SKILL.md 결함과 개선법
AI 에이전트 스킬 파일 `SKILL.md`에서 발생하는 결함 유형과 원인을 분석했습니다. Frontmatter와 본문을 어떻게 고쳐야 하는지 8가지 점검 항목으로 정리했습니다.
#AI 에이전트#LLM
2500
LLM의 thinking_token_budget은 어떤 역할을 하는가?
LLM의 `thinking_token_budget`이 내부 추론 토큰의 최대치를 제한하는 설정임을 설명했습니다. 더 깊은 사고를 유도하는 기능이 아니라 빠른 응답을 위한 제어 수단임을 정리했습니다.
#LLM#Claude
6800
통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기
통합 검색 임베딩 모델 개발기: 9개 태스크를 고르게 학습시키기
통합 검색 임베딩 모델을 개발하며 9개 태스크를 고르게 학습시키는 과정을 다룬 글입니다.
#검색#ML
3200
우리 팀만의 vLLM 플러그인 만들기 2편 - 모델 변환부터 배포까지 AI-native로 자동화하기
우리 팀만의 vLLM 플러그인 만들기 2편 - 모델 변환부터 배포까지 AI-native로 자동화하기
vLLM 모델 변환과 배포를 Claude Code Skill로 자동화한 과정을 소개했습니다. 필요한 지식만 읽는 구조로 바꾸며 토큰을 97% 줄이고 E2E 배포 흐름까지 만들었습니다.
#LLM#Claude Code
5200
우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기
우리 팀만의 vLLM 플러그인 만들기 1편 - 검색 AI 모델 서빙 성능 극대화하기
검색·추천 스코어링 모델을 vLLM 기반 풀링 런타임과 IO Processor로 전환해 성능을 크게 높인 사례를 소개했습니다. 전후처리 통합과 배치 최적화로 처리량과 지연 시간을 개선했습니다.
#LLM#검색
5800
한화솔루션의 Amazon Bedrock 기반 Claude Cowork 전사 도입 여정 — 사내 LLM Gateway로 완성한 거버넌스
한화솔루션은 Amazon Bedrock 기반의 사내 LLM Gateway로 Claude Cowork를 전사 도입했습니다. 멀티테넌트 인증과 비용·보안 거버넌스로 안전한 AI 활용 체계를 만들었습니다.
#Amazon Bedrock#Claude
4100
[25. 8. 19] 다양한 환경·데이터 속에서도 통하는 AI — MAES 모델의 현장 성능 검증과 결측값 해석
[25. 8. 19] 다양한 환경·데이터 속에서도 통하는 AI — MAES 모델의 현장 성능 검증과 결측값 해석
의료 AI는 개발 성능만큼 실제 임상 환경에서의 안정성과 재현 가능성이 중요합니다. 이 글은 MAES 모델의 현장 성능 검증과 결측값 해석을 다룹니다.
#ML#의료 인공지능
1100
데이터 요청 응대 30분을 3분으로 줄인 n8n AI 에이전트
데이터 요청 응대 30분을 3분으로 줄인 n8n AI 에이전트
n8n AI 에이전트로 데이터 요청 응대 시간을 30분에서 3분으로 줄인 사례를 다뤘습니다. 미리디 데이터 분석가가 온콜 헬퍼봇을 만든 배경과 활용 방식을 소개했습니다.
#LLM#자동화
7300
개인 AI 활용의 다음 단계는 무엇인가 - LY Corporation에서 AIDD 워크숍을 통해 살펴본 AIDD 조직 도입의 조건
LY Corporation이 AIDD 워크숍을 통해 개인의 AI 활용을 조직 차원으로 확장할 조건을 살펴보았습니다. 핵심은 컨텍스트 정비와 팀 단위 협업, 의사결정자 참여였습니다.
#LLM#자동화
4400