Archive

「✍️ Read by Tags」
2026

[Paper Review] How Depth Growth and Looping Shape In-Context Learning in Language Models


[Paper Review] Épi: 세션을 이어가며 검증 가능한 연구 결과를 만드는 에이전트


[Repo Review] Collaborative Intelligence, 혼자 풀 수 있는 문제에서 팀워크를 어떻게 채점할까?


[Paper Review] FDE-Gym: 고객의 요청을 구현한 뒤 무엇을 평가해야 할까요?


잠깐 옥상 갈래요? 직장인을 위한 온라인 쉼터 한숨두숨


[Paper Review] JevAgentHarness: 에이전트의 어떤 결정을 작은 모델에 맡길 수 있을까요?


[Repo Review] Single Agent Loop Kit, 서브에이전트의 역할을 옮기고 회귀를 확인하는 법


[Paper Review] AI-Newton: 실험마다 다른 식에서 공통 물리 법칙을 찾는 법


[Repo Review] AI-Newton, 실험 데이터에서 보존식을 찾고 법칙으로 남기는 코드


[Repo Review] AgentScope — 모델·도구 호출과 사용자 승인으로 보는 ReAct 루프


[Paper Review] Evo²: Evolving the Evolver through Weight-Harness Co-Evolution


[개념] HTML5란 무엇인가 — HTML 4.01에서 오늘날의 웹 표준까지


[Paper Review] PhoneHarness — GUI·CLI·MCP로 실행하고 결과를 검증하는 폰 에이전트


[Repo Review] Pixelfx — 코드로 그린 픽셀 효과에 동작과 타격감을 붙이는 방법


[Repo Review] rea-video — 영상의 제작 흔적을 근거와 재제작 계획으로 바꾸는 구조


[Paper Review] RelayVSR — 키프레임을 공유하는 스트리밍 영상 초해상도


[Paper Review] Training Small Language Models for Transferable Tool Selection


AI 에이전트로 영상과 3D 만들기, 스킬과 도구 12가지


[Paper Review] Weight-Space Programming 감사 — 가중치 통계 읽기와 의미 추론의 경계


[Paper Review] Is Complex Agentic Memory Always Needed? Naive RAG Is Stronger Than We Thought


[Repo Review] NVIDIA Auto Ontology — 기업 메타데이터에서 질의 근거까지 이어지는 의미 계층


[Paper Review] Can LLMs Improve Their Own Harness? A Controlled Study on ARC-AGI-3


[Repo Review] OpenLIT: SDK·코딩 에이전트의 실행을 관측·평가·가드로 연결하는 구조


[Paper Review] Comparing Sparsified MLPs and Transcoders — 뉴런과 학습된 특징은 얼마나 다른가요?


[Paper Review] Self-Evolving Coding Agents via Harness-Policy Optimization — 하니스와 정책의 교대 자기 개선


[Paper Review] Terminal-RSI: 재작성과 가치 전달로 터미널 에이전트를 재귀적으로 개선하기


[Repo Review] Weight-Space Programming — LLM이 신경망 가중치를 읽고 고치는 실험 기록


[Paper Review] Data World: 생성 메커니즘으로 데이터 에이전트의 환경과 평가 기준을 함께 만들기


[Repo Review] rTaste: 연구 에이전트의 실험 선택을 등록·예측·재실행으로 평가하기


[Paper Review] Hybrid Reasoning Agents: 잠재 추론과 텍스트 행동을 잇는 에이전트


[Repo Review] MemoryTax: 에이전트 기억 평가의 데이터·프롬프트·판정 경계 읽기


[Paper Review] Memento: Fine-tuning LLM Agents without Fine-tuning LLMs


[Repo Review] Open Ontologies — 온톨로지 변경 계획과 검증 가능한 증거의 경계


[Repo Review] Building a Coding Agent From Scratch — decode로 배우는 하네스의 실행 경계


[Paper Review] MemoryTax: 강한 모델에서도 에이전트 메모리가 필요할까요?


[Paper Review] Are Self-Evolving Agents Continual Learners? — 자기진화 에이전트의 학습과 망각


[Repo Review] RSI-Anything — world model의 예측을 행동 선택과 자기개선으로 연결하기


[Paper Review] Cache Engineering for Agents — 대화는 보존하고 KV 캐시는 직접 제어합니다


[Repo Review] JevAgentHarness — 작은 결정 모델이 코딩 에이전트의 다음 LLM을 고르는 방법


[Repo Review] GitMCP — 저장소 문서를 AI 도구로 제공하는 서버의 실제 흐름


[Paper Review] OO-Harness — 상속으로 특화하고 실행 근거로 선택하는 에이전트 하네스


[Repo Review] FDE Gym — 코드를 넘어 고객 문제의 해결을 평가하는 실행 환경


[Paper Review] Self-Instructed CoT — 추론 모델은 자기 지시로 생각의 표현을 얼마나 제어할까요?


[Paper Review] HarnessSQL — SQL 에이전트는 실행 환경 안에서 어떻게 배워야 할까요?


[Repo Review] Memento — LLM 가중치 대신 경험을 축적하는 에이전트


[Paper Review] Harness² — 실행 하네스를 고치고 개선 경험을 축적하는 두 수준의 재귀


[Paper Review] MASS — 협업의 실행 기록으로 같은 모델을 다시 학습하는 자기 개선


[Paper Review] MIMESIS: 사람 같은 사용자를 학습해 에이전트의 훈련 환경으로 만들기


[가이드] RAG 평가지표 입문: RAGAS·TruLens·DeepEval로 검색과 답변 나누어 보기


[Repo Review] AKV — 에이전트가 KV 캐시를 직접 관리하는 구조와 SGLang 실행 경로


[Paper Review] Harness-Aware Distillation — 작은 에이전트에게 하네스를 읽고 행동하는 법을 가르치기


[Repo Review] LLM Council — 여러 모델의 답변과 상호 평가를 함께 읽는 방법


[Paper Review] Mid-Harness: 실행 전 행동 검증으로 터미널 에이전트 개선하기


[Paper Review] SelfSearch: 정답 보상 없이 자기 수정 경험으로 에이전트 하네스 개선하기


[Paper Review] VeriHarness: 같은 모델로 불일치를 해결하고 합의를 의심하는 검증 하네스


[Repo Review] MIMESIS: 사용자 시뮬레이터 학습에서 GRPO와 CSD까지 코드로 따라가기


[Paper Review] ScholarEvolve: 연구 문헌으로 고정 모델의 에이전트 하네스를 진화시키기


[Paper Review] Harness Learning Enables Generalizable Test-Time Adaptation — 실행 피드백으로 하네스 적응을 학습하기


[TREND] State of AI Report 2026 — 하네스·추론 경제·안전으로 읽는 AI의 변화


[Paper Review] Thinking Before Thinking — 에이전트가 다음 계산을 고르는 방법


[Paper Review] Mixture of Self-Improving Branches — 개발 목표와 제안 지침을 함께 진화시키는 하네스 탐색


[Paper Review] Context Language Models — 컨텍스트를 직접 편집하는 장기 실행 에이전트


[Paper Review] FinanceHarness — 금융 조사 에이전트의 시간 제약과 평가 계약


[Paper Review] A²RD: 기억하고 검수하며 만드는 긴 영상


[Repo Review] Raven: 여러 에이전트의 하네스를 조합하고 실행 근거를 남기는 방법


[Paper Review] Co-Director: 다중 에이전트와 밴딧 탐색으로 영상의 창작 방향을 조율하기


[Repo Review] FinanceHarness — 검색·계산·인용을 잇는 금융 리서치 에이전트의 내부 구조


[Paper Review] CANVAS: 이야기의 인물·장소·소품을 기억하는 시각 에이전트


[Repo Review] OpenDots: 지속 대화와 문서·도구 실행을 연결하는 AI 작업 공간


[Repo Review] Learn Harness Engineering — 에이전트의 작업 환경을 만들고 검증하는 코드 읽기


[Paper Review] VQQA: 질문과 답변으로 영상을 평가하고 프롬프트를 개선하는 에이전트


[Paper Review] Agensh: 1,024개 에이전트의 자기 조직화와 협업 확장


[Repo Review] Understand Anything: 코드를 설명 가능한 지식 그래프로 바꾸는 분석 파이프라인


[Paper Review] JEV-as-a-Judge: 확신할 때 판정하고 불확실할 때 추론 판정기로 넘기기


[Repo Review] Laya: 텍스트 생성 없이 선택·점수·확률을 반환하는 의사결정 엔진


[Paper Review] Memory Attention: 토큰 메모리로 value projection을 대체하는 방법


[Repo Review] TypeLLM: 타입별 디코딩과 의존성 그래프로 구성하는 LLM 출력


[Repo Review] AutoHarness: Claude Code의 경험을 스킬로 저장하고 관리하는 구조


[Paper Review] AutoTailor — 웹 에이전트의 도구를 사용자 수요에 맞게 고르고 다시 구성하기


[Repo Review] CLM: 상태와 행동을 따로 읽고, 대조학습으로 후보를 고르는 언어 모델


[OpenAI] DevDay 2026 키노트 정리: 상시 동작 에이전트 Dots, GPT-6.1 Sol, Ultrafast, Codex Cloud까지


[Paper Review] The Tasteful Agent — 장기 과제의 좋은 선택을 측정하고 증류하기


[Paper Review] Coding Agents are Strong Prompt Optimizers — 실행 기록 전체를 분석하는 프롬프트 최적화


[Paper Review] GenRec: Netflix의 LLM 기반 추천 순위 모델


[Repo Review] OpenResearch: Git 스냅샷으로 연구 에이전트의 실험을 추적하는 작업 공간


[가이드] Claude Agent SDK 입문: Claude Code 연동부터 첫 실행과 서비스 배포까지


[Paper Review] Downside-Controlled Online Forecast Combination under Delayed and Revised Outcomes


[Repo Review] Opus 5.5 영상 프롬프팅: 사례에서 배우는 제작 경로와 검수 방법


[Paper Review] SkillGym: 사람의 스킬을 LLM의 실행 능력으로 학습시키기


[Paper Review] Return or Revise? — 검색 근거로 답을 고칠 때와 지킬 때


[Paper Review] CORDIAL: Calibrating Ordinal LLM Outputs from Few Labels


[Paper Review] CAST: Context- and Anomaly Structure-Conditioned Time Series Anomaly Generation


[복습] 다시 근본으로, 언어모델을 오랜만에 복습해보자: Transformer to T5


[Paper Review] Diffusion Drafts, AR Verifies: Accelerating Document OCR with Self-Speculative Decoding


[Paper Review] TabPFN: 작은 정형 데이터의 학습을 Transformer 추론으로 바꾸다


[Paper Review] TabPFN v2: Accurate predictions on small data with a tabular foundation model


[Paper Review] A Closer Look at TabPFN v2: 강점의 원리와 추론 시 확장 전략


[Paper Review] TabPFN-3: Technical Report — 대규모 표 데이터와 추론 시 확장


[Paper Review] GroupKV: 장문맥 확산 언어 모델의 계층적 KV 캐시 관리


[Paper Review] Is Bash All You Need? 기업 업무 에이전트의 다섯 도구 인터페이스 비교


[Paper Review] GPU-CFR: 게임을 정적 데이터 흐름으로 컴파일하는 균형 계산


[Paper Review] SenseNova-U1.5: 공간 복원과 전문가 증류로 통합하는 시각 지능


[Repo Review] Hermes Agent: 도구 실행과 기억을 연결하는 에이전트 런타임


[Repo Review] OpenClaw — 메시지 한 건이 에이전트 실행과 응답으로 이어지는 구조


[Paper Review] Programmable World Model: 실행 가능한 상태와 영상 생성을 분리한 세계 모델


[Repo Review] Superpowers 코드 리뷰: 코딩 에이전트의 개발 절차를 스킬과 파일로 구성하는 방법


[Repo Review] llmfit 코드 리뷰: 내 하드웨어에 맞는 로컬 LLM을 어떻게 추천할까


[Paper Review] Show-Harness 논문 리뷰: 의미 기반 행동 인터페이스로 VLM과 로봇을 연결하기


Claude Code에서 디폴트로 Auto Mode 사용하기 (Windows·Linux)


[구글] 2026 Google I/O Developer Keynote정리: Agent가 주도하는 개발의 새 시대


[구글] 2026 Google I/O KeyNote 정리: Gemini 3.5, Omni, Antigravity 2.0 그리고 Agentic AI의 본격화


첫 책이 나왔습니다 — 출간 후기


[HAI] AI Index Report 2026 정리: 기술은 가속하고, 시스템은 뒤따라가기 바쁘다


NVIDIA GTC 2026 키노트 완벽 정리: Inference Inflection부터 Physical AI까지


[Gemini 해커톤] Creator Hub: AI로 YouTube 악성 댓글을 자동 분석하는 풀스택 서비스


[Paper Review] K-EXAONE Technical Report


[OpenAI] Prism: GPT-5.2 기반 과학 논문 작성을 위한 무료 AI 워크스페이스


[OpenAI] Town Hall 요약: Sam Altman이 말하는 AI 시대의 미래


BCG AI Radar 2025: AI Impact Gap 해소를 위한 전략 보고서


BCG AI Radar 2026: CEO가 AI 투자의 중심에 서다


[OpenAI] GPT-5.2 프롬프팅 가이드: 엔터프라이즈 AI 에이전트를 위한 최적화 전략


[OpenAI] : OpenAI 최신 프런티어 모델 GPT-5.2 출시


[CS50] CS50x 2026 - Lecture 0 - Scratch


[CES] CES 2026 젠슨 황 기조연설 정리


2025

[토크] LLM 완벽 입문 가이드: Andrej Karpathy 강의 정리


AI 에이전트의 핵심 개념 20가지: 문제와 해결책으로 배우는 실전 가이드


F-Lab AI 역량 진단 테스트 - 정답 및 해설


[Paper Review] LLaVA-PruMerge: Adaptive Token Reduction for Efficient Large Multimodal Models


[Paper Review] LLaVA: Visual Instruction Tuning - 멀티모달 AI의 새로운 패러다임


[구글] Defying Gravity~ 구글 Antigravity 어서오고👋


[구글] Gemini 3: 구글의 차세대 AI 모델, 무엇이 달라졌나?


[구글] Nano Banana Pro: Gemini 3가 선사하는 차세대 이미지 생성 혁신


[OpenAI] ChatGPT GPT-5.1 출시: 더 똑똑하고 따뜻한 대화형 AI의 진화


Chrome에서 "조직에서 관리" 문구가 뜬다면...😈


Lovable Cloud & AI: 자연어만으로 풀스택 앱을 만드는 시대


[정리] Google Cloud 고객사의 1,001가지 GenAI 활용 사례


OpenAI DevDay 2025 전체 발표 정리


공식 Sora 2 프롬프팅 가이드: 성공적인 비디오 생성을 위한 실전 전략


Sora 2 출시: 영상 생성 AI의 새로운 패러다임


Antrophic, Claude Sonnet 4.5, 차세대 AI 모델 공개


GPT-5-Codex 완벽 가이드: AI 코딩 에이전트의 새로운 패러다임


[Paper Review] LLM-Det : Learning Strong Open-Vocabulary Object Detectors under the Supervision of Large Language Models


[Paper Review] MM-Groundung-DINO : An Open and Comprehensive Pipeline for Unified Object Grounding and Detection


[정리] 지금 주목할 LLM 기술 트렌드와 생성형 AI 적용 전략 - Naver Cloud


[Paper Review] OmDet_Turbo : Real-time Transformer-based Open-Vocabulary Detection with Efficient Fusion Head


[Paper Review] RT-DETRv2: Improved Baseline with Bag-of-Freebies for Real-Time Detection Transformer


[정리] 구글의 나노바나나 프롬프트 공식 공개하다


[OpenAI] 언어모델 환각(Hallucination) 현상: 왜 AI는 확신에 찬 거짓말을 할까?


[정리] AI가 창출하는 5가지 새로운 직업과 전문가 되는 방법


[정리] GPT-5 ‘원사이즈 핏’의 착각과 골디락스 프롬프트


[OpenAI] GPT Realtime API: 음성 기반 AI 에이전트의 새로운 전환점


[OpenAI][번역] Realtime Prompting Guide


[Paper Review] EXAONE 3.5: Series of Large Language Models for Real-world Use Cases


[Paper Review] EXAONE Deep: Reasoning Enhanced Language Models


[Paper Review] EXAONE Path 2.0: Pathology Foundation Model with End-to-End Supervision


[Paper Review] EXAONE 4.0: Unified Large Language Models Integrating Non-reasoning and Reasoning Modes


[Paper Review] Qwen Technical Report


[Paper Review] Qwen-Audio: Advancing Universal Audio Understanding via Unified Large-Scale Audio-Language Models


[Paper Review] Qwen-Image Technical Report


[Paper Review] Qwen-VL: A Versatile Vision-Language Model for Understanding, Localization, Text Reading, and Beyond


🧪 내가 보려고 작성한 pytest 가이드


[Tips] Lovable 바이브-코딩 용어집


[접속] 원격 개발에서 비밀번호 없이 접속하기 (SSH/VSCODE 원격 접속)


[Tips] Lovable Prompting Tips 공개!! : Prompting 1.1


[Tips] Lovable Vibe-Coding Best Practices


[Tips] Lovable 디버깅 프롬프트


[Tips] Lovable 프롬프트 라이브러리


[Tips] Lovable 프롬프트 및 통합 전략


[OpenAI][번역] GPT-5 Prompting Guide


[OpenAI] GPT-5 공개, 박사급 전문가가 주머니 속에 들어오다!


[Anthropic] 프로덕션에서의 Vibe Coding


[Paper Review] A generic non-invasive neuromotor interface for human-computer interaction


[OpenAI] ChatGPT Study Mode: GPT로 학습하자!


[Anthropic] Anthropic팀은 어떻게 Claude Code를 사용하는가?


Anthropic 社의 Prompt Engineering 완벽 가이드


[Paper Review] An Efficient Statistical Method for Image Noise Level Estimation


[LG] LG AI Talk Concert 2025 - Shaping the Future of AI


[OpenAI] Introducing ChatGPT agent


[트렌드] Skywork.ai 과연 GenSpark 붐을 꺾을 수 있는가


🐍 내가 보려고 작성한 *args, **kwargs, 그리고 **vars(args) 파이썬 함수 인자 정리


[Lovable] 코딩 없이 웹/앱 만들기 : Lovable 완전 가이드


[가이드] Ollama + LangChain 실전 가이드 - ChatOllama 사용하기


[가이드] Python에서 Ollama 사용하기: 설치부터 AI 에이전트 만들기


Claude 4, 소프트웨어 엔지니어링 성능의 새로운 기준


[구글] Google I/O '25 키노트 ✨


🔍 Codex 연구 프리뷰: AI 개발 에이전트의 시대


ChatGPT를 진짜 "쓸모 있게" 만드는 간단한 방법


[꿀팁] 미드저니(Midjourney) 기초 가이드


[개념] API에 대해서 이해해보자!


내가 보려고 정리한 터미널 함수 25선


💻 내가 보려고 작성한 UV 완벽 가이드


[꿀팁] 사람처럼 글을 쓰는 프롬프팅 팁


OpenAI, o3 & o4-mini 공개: AI 추론의 진화


[꿀팁] 웹사이트를 앱처럼! + Win 단축키로 초간편 실행하는 꿀팁 (💻 + 🔢)


OpenAI, 개발자용 API GPT 4.1 공개


[꿀팁] Sora AI 소개 및 Presets 기능 활용 가이드


Google Cloud Next 2025 Opening Keynote 정리


Google NotebookLM: 나만의 AI 지식 비서


[개념] 모델 컨텍스트 프로토콜(MCP) 완전 정복


OpenAI, GPT‑4o 이미지 생성 기능 소개 – AI 이미지 생성의 새로운 시대


OpenAI, Audio Models in the API 출시


[인터뷰] NVIDIA CEO 젠슨황이 말하는 AI의 미래


OpenAI, 새로운 에이전트 개발 도구 발표


[개념정리] Streamlit👑 소개 및 활용 가이드


[개념정리] 메타-분석과 서베이 페이퍼


[머신러닝] 로지스틱 회귀 모델 (Logistic Regression)


[꿀팁] VS Code 특정 버전 설치 및 다운그레이드 방법


[Pandas] 판다스 피클(.pkl) 파일의 압축 방식 비교


OpenAI, 더 자연스럽고 지능적인 대화 능력을 갖춘 GPT-4.5 출시


[도서리뷰] 경사 하강법 계보 정리(혁펜하임의 『Easy! 딥러닝』)


OpenAI, Deep Research 기능 공개


(설명추가) 웨이트 초기화 (Weight Initialization)


OpenAI o3-mini: 새로운 비용 효율적 AI 모델 출시


(설명추가) Q-Learning: 강화학습의 핵심 개념과 이해


[NLP] 5. 자연어 차원 축소(Dimension Reduction) 기법


[NLP] 6. Topic Modeling이란?


[꿀팁] GPT Canvas에서 LaTeX 수식 랜더링 문제 및 해결 방법


(설명추가) Perplexity와 BLEU 스코어에 대한 보충 설명


[도서소개] 딥러닝 입문자를 위한 책 추천, 혁펜하임 『Easy! 딥러닝』


[OpenAI] Operator & Agents : Computer-Using Agent


[꿀팁] 유니코드 문자표 모음집 사이트 소개!!


ChatGPT Tasks: 혁신적인 작업 관리 도구


[CES 2025] Keynote : Accenture Chair and CEO, Julie Sweet


[CES 2025] Keynote : CEO of Delta, Ed Bastian


[CES 2025] Keynote : CEO of X Corp, Linda Yaccarino


[CES 2025] Keynote : NVIDIA Founder and CEO, Jensen Huang


[CES 2025] Keynote : Panasonic Holdings CEO , Mr. Yuki Kusumi


[CES 2025] Keynote : SiriusXM CEO, Jennifer Witz


[CES 2025] Keynote : Volvo Group President and CEO, Martin Lundstedt


제1회 AI FC (AI Fight Club) 대회 소개 및 정보 공유🥊


2024

Veo2: 차세대 AI 비디오 생성 모델 (Veo2 vs Sora)


[TREND] CES 2025 미리보기 : CES 2025에서 주목해야 할 트렌드 살펴보자!


[정리] '24년 AI Summit : '라마' 개발 리더가 설명하는 LLM : Small Models 최신 기법 - Soumya Batra


[정리] '24년 AI Summit : 쉽게 이해하는 RAG와 에이전트 AI 기술의 현재와 미래 - 최윤석


[파이썬] 데코레이터(Decorator) 사용법


[TREND] Google Cloud 2025 AI business trend


[Day 11] ChatGPT x Desktop Application 💻


[Day 12] introducing o3 and o3-mini


[Day 10] 1-800-CHAT-GPT: ChatGPT랑 통화랑 문자를 할 수 있다고? 📞💬


[Day 9] OpenAI o1 및 개발자를 위한 새로운 도구


[Day 8] Introducing ChatGPT Search


[Day 7] Introducing Projects


[꿀팁] Cursor AI - AI 기반 코드 편집기


[Day 6] Santa Mode & Video in Advanced Voice


[Day 5] ChatGPT x Apple Intelligence


[Day 4] Canvas 기능, 전보다 확실히 더 좋아진듯?!


[Day 3] SORA 떴다!! 혁신적인 AI 비디오 생성 플랫폼의 등장


[Day 2] Reinforcement Fine-Tuning (RFT) 소개


[Day 1] OpenAI o1 and o1 pro mode in ChatGPT


[TREND] 트렌스포머 이후의 차세대 아키텍쳐: MoE, SSM, RetNet, V-JEPA


[자료] KT 사내 직원 대상 RAG 교안 대방출?!


[IT] 클라우드 컴퓨팅의 서비스 모델: IaaS, PaaS, SaaS와 최신 GPUaaS, IQaaS 비교


[정리] SK AI SUMMIT 키노트 정리 - Day2


[정리] SK AI SUMMIT 키노트 정리 - Day1 오후


[정리] SK AI SUMMIT 키노트 정리 - Day1 오전


[Linux] 리눅스 파일 시스템 마운트 가이드


Unlearning : 머신러닝 모델도 '잊을 수 있다'


[강의노트] LangChain Academy : Introduction to LangGraph (Module 2)


[강의노트] LangChain Academy : Introduction to LangGraph (Module 3)


[강의노트] LangChain Academy : Introduction to LangGraph (Module 4)


[개념] GLU와 그 변형들: 역사와 주요 개념 정리


[강의노트] LangChain Academy : Introduction to LangGraph (Module 1)


[꿀팁] .bashrc로 로컬에서 ALIAS를 활용한 여러 쿠다 활용하기


[Paper Review] NLP 공부하는 사람이라면 꼭 읽어야하는 논문 대신 정리해드립니다


[Paper Review] A COMPREHENSIVE REVIEW OF YOLO ARCHITECTURES IN COMPUTER VISION: FROM YOLOV1 TO YOLOV8 AND YOLO-NAS


[Paper Review] Mamba2 - Transformers are SSMs: Generalized Models and Efficient Algorithms Through Structured State Space Duality


[트렌드] 2025년 트렌드 : LMM, LAM, AGENT, 그리고 FMOps


[Paper Review] Mamba: Linear-Time Sequence Modeling with Selective State Spaces


[Paper Review] Structured State Space Models for Deep Sequence Modeling


[Paper Review] Resurrecting Recurrent Neural Networks for Long Sequences


[개념] 인공지능을 위한 선형대수 : 행렬편


[개념] 시스템, 미분방정식, 그리고 상태 공간 모델


[IT] LLMOps와 RAG


[정리] OpenAI API Document


[강의노트] Text Splitting For Retrieval


[강의노트] RAG From Scratch : Coursework


[강의노트] RAG From Scratch : Overview


[강의노트] RAG From Scratch : Query Indexing 기법


[강의노트] RAG From Scratch : Query Retrieval 기법


[강의노트] RAG From Scratch : Query Routing & Structuring


[강의노트] RAG From Scratch : Query Translation


[강의노트] RAG From Scratch : RAG for long context LLMs


[GPU] nvidia-smi의 시대는 갔다?


[OpenAI] GPT-4o 다음 버전 떴나!?


[파이썬] 정규표현식 활용 방법


[Pandas] 실무에서 쓰려고 정리해둔 Code Snippet


[개념] 데이터 기반 의사결정 방법


[Paper Review] 합성 데이터 = 모델 붕괴?


[꿀팁] 프롬프트 엔지니어링 (강의 요약)


[CV Notes] Lecture 18 - Videos


[CS294] Deep Unsupervised Learning: Introduction


[CV Notes] Lecture 17 - 3D Vision


[NLP] 3. Natural Language Preprocessing


[NLP] 4. Natural Language Embeddings


[NLP] 1. Introduction to Text Analytics


[NLP] 2. Steps of Text Analytics


[기업] NVIDIA와 GPU 이야기


[Graph] 3장. Graph Node Embedding Methods


[Graph] 4장. Graph Neural Networks: Algorithms


[Graph] 1장. 그래프와 GNN


[Graph] 2장. Graph Neural Networks


Prophet을 활용한 시계열 예측🔭


[개념정리] 상관관계 vs 인과관계


[개념정리] 시계열 인과관계 분석: Granger Causality


[개념정리] 빈도주의(Frequentist) vs 베이지안(Bayesian)


[개념] Deep Learning Normalization Techniques


[트리] 트리 기반 ML 알고리즘


[파이썬] VS-Code keymap 오류 해결하기 (shift+enter, ctrl+a 등)


[파이썬] 우분투에서 한글 폰트 설치하고 matplotlib에 사용하기


[개념] 신호처리 및 푸리에 변환


[꿀팁] Confluence 단축키📖 (북마크 추천!!)


[꿀팁] Notion 단축키📖 (북마크 추천!!)


[Git] Credential Helper로 GitHub 인증하기 🔑


[Git] SSH로 GitHub Repository Clone하기 🔑


[꿀팁] Python으로 다양한 데이터 다루기


[이탐] 거리 기반 이상탐지 알고리즘


[이탐] 결정 경계 기반 이상탐지 알고리즘


[이탐] 내가 보려고 정리한 ML 이상탐지


[이탐] 밀도 기반 이상탐지 알고리즘


[이탐] 앙상블 기반 이상탐지 알고리즘


[이탐] 통계 기반 이상탐지 알고리즘


[꿀팁] 설마 수식/테이블 직접 코드로 작성하시나요?!


[설치] pipenv로 pyenv 뽕 뽑기


[설치] pyenv 어서 오고


[Linux] 딥러닝 환경 구축 : CUDA, CuDNN


[꿀팁] 직장인 필수! 파워포인트 단축키 모음 TOP 10


네트워크 계층 : OSI 7계층 vs TCP/IP 5계층


리눅스 : 리눅스 구성 요소


네트워크 기초 : 네트워크 그리고 서버란?


[사이트] 이모티콘🤗으로 글에 생명 불어넣기 : EmojiCombos


[사이트] 직장인을 위한 무료 픽토그램 사이트 TOP 2


[개념] 생성 AI의 학습 방식: 제로샷·원샷·퓨샷 러닝


[Conda] Miniforge를 이용한 분석 환경 설정하기 (OS: Ubuntu)


[Conda] 활용 가이드: 효율적인 환경 관리와 Jupyter Kernel 설정


[Git] Git을 어떻게 합치지? : Git Merging


[IT] 개발자들의 종류 및 역할


[컨퍼][CIO] Gen AI 시대를 대비하는 전략, ‘엔터프라이즈 AI 플랫폼’ 도입 가이드


[컨퍼][CIO] 스스로 탐구하는 AGI와 GPU 인프라 이야기


[컨퍼][CIO] 생성형 AI와 Low Code를 활용한 데이터 분석 업무 생산성 극대화 전략


[컨퍼][CIO] GenAI, First!


[컨퍼][CIO] Workday AI/ML 솔루션과 Generative AI의 미래


[컨퍼][CIO] '24년 CIO SUMMIT 후기


[컨퍼][CIO] '24년 비즈니스 혁신을 가속화하는 생성형 AI


[파이썬] Multiprocessing, Multithreading 사용 시 고려 사항


[파이썬] Multiprocessing, Multithreading 자원 분할 및 할당


[파이썬] multiprocessing의 Pool 클래스


[파이썬] 쉽게 설명한 Process vs Thread


[Linux] 파일 권한과 쓰기 작업


[Linux] 사용자 계정 및 그룹 관리 가이드


[개념] MLOps vs AIOps


[Linux] 열려 있는 파일 및 리소스 관리의 필수 도구(lsof)


2023

[컨퍼][OpenAI] 2023 DevDay New Products: A Deep Dive 요약


[컨퍼][OpenAI] 2023 DevDay Opening KeyNote 요약


[컨퍼][OpenAI] 2023 Techniques for Maximizing LLM Performance 요약


[TS] 시계열 이상탐지 시각화


[TS] 주/월별 초기 날짜 변환 함수


파이썬 마스터하기 : Group By 함수


파이썬 마스터하기 : apply(), map(), applymap() 함수


파이썬 마스터하기 : 람다(Lambda) 함수


[SPL] Splunk & SPL 개요


[SPL] stats와 eventstats 차이점 이해하기


파이썬 마스터하기 : Jupyter


파이썬 마스터하기 : Numpy


파이썬 마스터하기 : Pandas


[Git] Git Branch에 대한 이해와 활용


[Git] Git 충돌 시 해결 방법


[Git] 깃(Git)을 활용한 프로젝트 관리


[Git] 깃(Git)을 활용한 협업 방법


[Git] 깃(Git)이란?


2021

[머신러닝][차원축소] 변수 추출법 - Multi-Dimensional Scaling (MDS)


[파이토치] 파이토치로 CNN 모델을 구현해보자! (ResNet편)


[파이토치] 파이토치로 CNN 모델을 구현해보자! (GoogleNet편)


[파이토치] 파이토치로 CNN 모델을 구현해보자! (VGGNet편)


[파이토치] 파이토치로 CNN 모델을 구현해보자! (기초편 + DataLoader 사용법)


[머신러닝] 거리•군집•서포트벡터 기반 이상탐지 기법


[머신러닝] 이상 탐지 개요 및 밀도 기반 이상치탐지


[Paper Review] An Image Is Worth 16x16 Words : Transformers for Image Recognition at Scale (Vision Transformer)


[Paper Review] An Architecture Combining Convolutional Neural Network(CNN) and Support Vector Machine(SVM) for Image Classification


[알고리즘] 그래프


[머신러닝][시계열] AR, MA, ARMA, ARIMA의 모든 것 - 개념편


[머신러닝][시계열] AR, MA, ARMA, ARIMA의 모든 것 - 실습편


[머신러닝][차원축소] 변수 추출법 - Principal Component Analysis (PCA)


[머신러닝][차원축소] 변수 선택법


[파이토치] 파이토치 기초 요소 (Autograd란)


[꿀팁] Velog 글씨를 내 마음대로 바꿔보자! (색상, 형광펜) 🔆


[파이토치] 파이토치 기초 요소 (텐서편)


[Paper Review] Transferring Inductive Bias Through Knowledge Distillation - (3/3)


[개념] CPU, GPU, 그리고 GPU 원리


[Paper Review] Visualizing Data using t-SNE


[Paper Review] Transferring Inductive Bias Through Knowledge Distillation - (2/3)


[Paper Review] Transferring Inductive Bias Through Knowledge Distillation - (1/3)


[글또 6기] 글쓰는 개발자 모임에 참가하게 되었습니다!


[딥러닝][개념정리] Inductive Bias란?