우리 아이가 달라졌어요: 텍스트에 워터마크를 어떻게 넣을까
텍스트 워터마크가 LLM 샘플링에 통계적 신호를 남기는 KGW·SynthID-Text·textGrain 방식을 비교했습니다. PRD 에이전트에서는 검출력뿐 아니라 의미 보존과 실제 수정 부담을 함께 평가해야 합니다.

GPT 태그가 달린 국내 IT 기업 기술 블로그 글을 최신순으로 모았습니다.
많이 쓴 회사 데보션·스캐터랩 핑퐁·인포그랩
18개 표시
텍스트 워터마크가 LLM 샘플링에 통계적 신호를 남기는 KGW·SynthID-Text·textGrain 방식을 비교했습니다. PRD 에이전트에서는 검출력뿐 아니라 의미 보존과 실제 수정 부담을 함께 평가해야 합니다.

Better prompt caching for GPT-6
GPT-6의 프롬프트 캐싱이 개선돼 공유 접두사의 캐시 적중률과 비용 효율을 높였습니다. 대시보드·진단·명시적 브레이크포인트로 캐시 동작을 최적화할 수 있습니다.

The builder’s guide to GPT‑5.6
GPT‑5.6의 모델 선택과 새 Responses API 제어 기능으로 에이전트 비용과 지연을 줄이는 방안을 안내했습니다. 추론 지속성, 멀티 에이전트, 도구 호출, 프롬프트 캐싱 활용 사례를 제시합니다.

Introducing GeneBench-Pro
GeneBench-Pro는 계산생물학의 복잡한 분석 판단력을 평가하는 129개 문제 벤치마크를 공개했습니다. GPT‑5.6 Sol은 최고 추론 수준에서 28.7%의 통과율을 기록했습니다.

Paving the way for AI agents in biology
생물학 데이터 인프라가 AI 에이전트의 신뢰성 있는 활용을 가로막는다고 분석했습니다. gget virus 같은 결정론적 검색 계층이 정확도를 크게 높였다고 제시했습니다.
LLM 가드레일의 오탐 문제를 줄이기 위해 코딩 에이전트 기반 자동화 테스트 파이프라인을 구축했습니다. 카테고리별 입력 생성과 평가를 분리해 취약점 탐색과 모델 고도화를 반복 가능하게 만들었습니다.

프롬프트 엔지니어링 기법을 조합해 GPT 앱을 만드는 방법을 소개했습니다. 연구기획서 자동 생성 예시로 역할 지정과 Tree of Thoughts 활용 흐름을 설명했습니다.

GPT의 핵심 구조인 트랜스포머 디코더와 Self Attention 흐름을 수식 없이 설명했습니다. 입력 벡터화부터 다음 단어 예측까지의 과정을 단계별로 정리했습니다.

바이브 코딩과 Gemini, Firebase, Discord로 개인용 AI 러닝 코치를 만들었습니다. 훈련 계획 추천과 완료 체크를 구현하며 여러 이슈를 수정해 완성했습니다.

리서처 수요 증가에 맞춰 팀원 스스로 리서치를 수행할 수 있는 프로세스를 만들었습니다. 구글폼 한계를 넘기 위해 GPT와 워크숍으로 질문 기준과 답변 기준을 함께 정리했습니다.

배달의민족은 GPT와 RAG를 활용해 상품 카탈로그 속성값 생성 자동화를 시도했습니다. 평가 모델을 보완해 작업 효율을 높이고 정확도도 개선했습니다.

GPT로 Teleport 기술 문서를 한글화하며 MDX 문법과 빌드 문제를 해결한 개발 후기였습니다. CI/CD와 서브모듈로 문서 배포와 버전 관리를 자동화한 과정도 소개했습니다.

Teleport 공식 기술 문서를 GPT로 번역하고 MDX 문법 문제를 해결해 배포한 후기입니다. 번역 자동화와 CI/CD 적용 과정에서 겪은 빌드 이슈와 대응 방법을 공유했습니다.

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

GPT는 이미지를 보고 글자를 정확히 읽는 데 한계가 있다는 점을 사례로 설명했습니다. OCR 같은 보완 방법을 시도했지만 완전한 해결책은 찾지 못했다고 정리했습니다.

해외 감성 AI 사례와 국내 팬덤·크리에이터 서비스의 접목 가능성을 분석했습니다. 몰입감 있는 관계 형성과 함께 어색한 모방, 과몰입 위험도 함께 짚었습니다.
GPT-3의 다양한 언어 생성 사례와 다음 단어 예측 기반 학습 방식을 소개했습니다. 대규모 스케일과 파인튜닝 없는 범용성이 AGI 논의를 확장했음을 설명합니다.
Transformer의 Attention 구조와 GPT·BERT의 차이를 설명했습니다. 성능 향상과 경량화를 위한 후속 모델·압축 기법을 비교했습니다.