AI 14
- AI 에이전트의 예시 데이터는 어떻게 다룰까 — 컨텍스트 엔지니어링부터 파인튜닝 준비까지
- 제조업 AI 에이전트 프로젝트 1차 회고 — 평가, 저장소, 코드 정리에 대한 세 가지 교훈
- GPU, TPU, NPU — AI 칩은 무엇이 다르고 언제 무엇을 쓰는가
- 그래서 Agent에 데이터를 어떻게 입히나요? — 데이터가 작을 때의 온톨로지 설계
- ReAct와 Plan-and-Execute를 LangGraph로 직접 구현하며 배운 것
- 멀티에이전트의 두 숙제 — 토큰 비용과 안정성, 그리고 평가라는 해법
- LangGraph — 흐름을 직접 그리는 저수준 에이전트 오케스트레이션
- ReAct — 생각과 행동을 번갈아 하는 에이전트의 시작
- 에이전트의 도구(Tool)와 세 층의 평가 — 선택·실행·결과
- Workflow와 Agent, 그리고 하네스 — LLM에게 얼마만큼의 자유를 줄 것인가
- ORCA: continuous batching은 어디서 왔는가 (2) — 분산 아키텍처와 예약 스케줄링
- ORCA: continuous batching은 어디서 왔는가 (1) — iteration-level scheduling과 selective batching
- OS의 페이징을 KV Cache에 가져온 PagedAttention
- MCP가 무엇일까?