Kanana-2 개발기 (2): 개선된 post-training recipe를 중심으로
Kanana-2 개발기 시리즈의 두 번째 글로, 개선된 post-training recipe를 다룹니다. 다만 발췌만으로는 구체적 내용은 충분히 확인되지 않습니다.
#LLM#ML
47005분
새로운 기술 블로그가 추가되었어요
필터 0
엔터프라이즈 LLM 서비스 구축기 1: 컨텍스트 엔지니어링
대규모 LLM 서비스에서 프롬프트보다 컨텍스트 설계가 더 중요하다는 점을 설명했습니다.\n필요한 도구와 정보만 단계적으로 주입해 성능 저하와 환각을 줄인 방법을 공유했습니다.
#LLM#RAG
111005분
스탠퍼드 대학교는 왜 ‘코딩 말고 다른 것’을 가르치기 시작했을까?
생성형 AI 시대에는 코딩보다 문제 정의와 검증의 중요성이 커졌습니다. AI를 잘 쓰는 조직일수록 판단과 책임의 역할을 더 분명히 해야 했습니다.
#LLM#prompt
144005분
TwelveLabs Marengo를 활용한 Amazon Bedrock에서의 영상 이해 기술 구현
Amazon Bedrock의 TwelveLabs Marengo로 비디오를 멀티모달 임베딩으로 변환해 시맨틱 검색을 구현한 사례입니다. OpenSearch Serverless와 결합해 텍스트·이미지·오디오 질의로 관련 클립을 찾는 흐름을 소개했습니다.
#Amazon Bedrock#OpenSearch Serverless
22005분
Claude Code 컨텍스트 최적화 가이드
Claude Code에서 컨텍스트가 길어질수록 응답 품질이 떨어지는 문제를 설명했습니다. CLAUDE.md, 프롬프트 간결화, 작업 분할, 내장 명령어로 컨텍스트를 관리하는 방법을 정리했습니다.
#Claude Code#LLM
192005분
Strands Agent SOPs 소개 – AI 에이전트를 위한 자연어 워크플로우
AI 에이전트 워크플로우를 자연어 SOP로 표준화하는 Strands Agent SOPs를 소개했습니다.\n제어와 유연성의 균형, 체이닝, MCP·Claude Skills 연동 예시를 설명했습니다.
#LLM#prompt
53005분
AI 스케일링과 동질화의 경계: NeurIPS 2025 핵심 트렌드 분석
NeurIPS 2025에서 스케일링 이후의 AI 흐름과 동질화, 평가 한계를 살펴보았습니다. XAI와 Causality를 통해 설명과 인과를 구분해 보는 시사점도 정리했습니다.
#LLM#ML
47005분
NVIDIA Cosmos: WFM의 세 가지 핵심 모델과 피지컬 AI의 활용
NVIDIA Cosmos는 피지컬 AI를 위한 World Foundation Model로, 예측·전이·추론의 세 가지 모델을 제공합니다. 합성 데이터 생성과 검증을 통해 자율주행과 로봇 학습의 안전성과 효율성을 높였습니다.
#NVIDIA#LLM
27005분
CrewAI: 독립된 멀티 에이전트 협업 프로세스 구축
CrewAI의 핵심 구성 요소와 독립형 Python 프레임워크 특성을 소개했습니다. 단일 에이전트와 멀티 에이전트 순차 협업 예시로 기본 사용 흐름을 설명했습니다.
#Python#LLM
41005분
Antigravity 사용 후기: sync ＆ async 코딩을 곁들인
Antigravity 사용 후기를 통해 무료 가격, 다양한 모델, Sync 코딩의 장점을 정리했습니다. 다만 영어 추론 토큰, 애매한 자율성, 멀티에이전트 안정성은 아쉬움으로 남겼습니다.
#Gemini#Claude
90005분
LLM과 Reveal.js로 슬라이드를 쉽게 만들고 공유하기
블로그 글을 LLM으로 요약해 Reveal.js 슬라이드로 바꾸는 방법을 소개했습니다. GitHub Pages 배포까지 연결해 빠른 제작과 공유 효율을 높였습니다.
#LLM#Reveal.js
34005분
서버 코드 자동 생성 툴 — Sherpa는 왜 완전 자동화를 선택하지 않았을까
서버 코드 자동 생성 툴 — Sherpa는 왜 완전 자동화를 선택하지 않았을까
Sherpa는 완전 자동화보다 검증 가능한 구조를 우선해 설계했습니다. HTML을 기준 진리로 삼고 단계별 파이프라인과 검증 뷰어로 신뢰성을 높였습니다.
#REST API#HTML
83005분