All I Need Is Data.

LAYA 한국어 민원 분류 2편: EmbeddingGemma 2 검색을 붙이면 좋아질까 27개 유형에서 막힌 LAYA 앞에 의미 검색기를 놓고, 새 유형까지 실제로 다시 측정했다.1편의 결론은 불편했다. 민원 유형 설명을 잘 작성하고 LAYA를 추가 학습해도 27개 소분류를 한 번에 고른 정확도는 34.6%(28/81)였다. 대→중→소 순차 분류는 23.5%, top-k 계층 후보를 12개 남긴 beam 방식은 정답 후보를 76.5% 보존했지만 최종 정확도가 8.6%였다. 후보를 만드는 규칙과 최종 LAYA 판별이 모두 흔들렸다.이번에는 사용자가 제안한 EmbeddingGemma 2를 검색기로 붙였다. 명칭은 ‘Embedding Gamma’가 아니라 Google DeepMind의 Embeddin..

분석 기간: 2026-09-30 ~ 2026-10-06 · 독자용 상세 리포트 [AIW] 10/6 agent 운영은 보안·context·runtime 근거 싸움으로 이동 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시지 ..

분석 기간: 2026-09-29 ~ 2026-10-05 · 독자용 상세 리포트 [AIW] 10/5 agent 운영은 MCP·trace·compliance 근거로 이동 중 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시지 ..

LAYA Multilingual: 동적 분류의 원리부터 한국어 실측까지 Jev가 내세운 ‘문장 대신 판단을 반환하는 AI’를 내 환경에서 실행하고 한국어로 검증해 볼 수 있을까? 이 글은 그 질문에서 출발한다. 대상인 LAYA는 질문과 후보 설명을 함께 읽고 선택형 판단을 내리는 공개 인코더 모델이다. Jev와는 별도로 개발된 프로젝트이며 Jev의 가중치를 공개한 모델이 아니다.고정 BERT 분류기처럼 클래스별 출력 뉴런을 정해 두는 대신, 요청마다 주어진 후보 위치를 같은 채점기로 평가한다. 분류 체계를 바꾸기 쉽고 문장을 한 토큰씩 생성하지 않는다는 점이 주목할 부분이다. 동적 후보 분류 자체가 최초의 발명이라는 뜻은 아니다.한국어 도입 판단부터 말하면, 실험할 가치는 있지만 이 글의 결과만..

분석 기간: 2026-09-28 ~ 2026-10-04 · 독자용 상세 리포트 [AIW] 10/4 Offrun과 NVIDIA/OpenAI 런타임 증거가 모델 평가 경쟁을 좁혔다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시지 ..

분석 기간: 2026-09-27 ~ 2026-10-03 · 독자용 상세 리포트 [AIW] 10/3 [AIW] 10/3 Kolibri와 ThinkingBox가 말한 것은 모델보다 운영 증거다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵..

분석 기간: 2026-09-26 ~ 2026-10-02 · 독자용 상세 리포트 [AIW] 10/2 [AIW] 10/2 Redis creator ds4가 로컬 추론과 Agent 권한 경계를 운영 기준으로 끌어올렸다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platf..

분석 기간: 2026-09-25 ~ 2026-10-01 · 독자용 상세 리포트 [AIW] 10/1 Agent 운영 경쟁은 런타임 라우팅·추적·권한 경계와 AI 서비스 평가로 이동했다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시..

목차 토스증권 AI 백엔드 사례로 배우는 생성형 AI 서비스 설계1. 먼저 잡아야 할 관점2. 영상의 여섯 문제와 실제 대응사례 1 — 실시간 데이터 수집과 다수 사용자에게 결과 전달사례 2 — 긴 문단 때문에 번역·요약이 늦게 도착사례 3 — 높은 조회량에서 DB와 그래프 생성이 부담사례 4 — 동시 어닝콜에서 모델 추론 타임아웃사례 5 — HTTP 성공만으로 실제 서비스 상태를 알 수 없음사례 6 — 뉴스 선별 조건을 바꾸려면 코드 배포가 필요여섯 사례에서 개발자가 가져갈 원칙3. 여섯 문제를 다른 업무에도 적용해 보기4. 현업과 개발자가 같은 문제를 정의하는 법요청을 문제 정의로 바꾸는 대화 예시개발자가 남길 한 장짜리 문제 정의5. 발표 이후에도 남은 두 과제생성 결과의 품..

분석 기간: 2026-09-24 ~ 2026-09-30 · 독자용 상세 리포트 [AIW] 9/30 Agent 경쟁은 모델 성능보다 runtime·MCP·trace 경계로 이동했다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 메시지 ..

2026-09-01 ~ 2026-09-30 · 참고 리포트 34개 AI 개발자 레이더 2026-09: 9월 AI agent의 변화: 월초의 기능 경쟁은 중순 운영 계약을 거쳐 월말 이번 월간 판단은 주간/월간 누적 TREND 메모에도 반영되어 다음 리포트의 장기 맥락으로 이어집니다. 이 리포트의 목적 이번 달 AI/LLM 흐름 중 Python/LLM 서비스 개발자가 실제 개발, 배포, 운영 의사결정에 참고할 신호를 선별하는 월간 리뷰입니다. 대상 독자: AI 기능을 제품이나 내부 도구에 붙이는 한국어권 개발자/운영자 · 분석 기간: 2026-09-01 ~ 2026-09-30 작성 기준 월간 입력은 해당 월의 quality report를..

분석 기간: 2026-09-23 ~ 2026-09-29 · 독자용 상세 리포트 [AIW] 9/29 NeedyMantis와 AgentXploit: Agent 보안·평가가 운영 기준이 됐다 요구사항 우선 렌즈최신 사용자 요구사항을 우선 적용했습니다: Python/LLM 서비스 개발자가 1~4주 안에 실험할 수 있는 SDK/runtime/eval/RAG/tooling · MCP/tool calling/workflow automation/agent framework 변화 · RAG/vector DB/inference/runtime/observability/deployment 변화 · 주요 provider 모델/API/pricing/rate limit/SDK/platform 변경 핵심 ..

EmbeddingGemma 2와 LAYA의 Retrieve–Rerank 구조를 직접 실험해봤다

AI 개발자 레이더 2026-10-06: 에이전트는 이제 “작동”보다 “증명”이 먼저다

AI 개발자 레이더 2026-10-05: MCP·trace·HIPAA가 에이전트 운영 기준을 ‘증명 가능한 배포’로 바꿨다

LAYA 딥다이브: BERT와 무엇이 다르고, 한국어에서 얼마나 통할까? - 실험편

AI 개발자 레이더 2026-10-04: Offrun·DGX Spark가 로컬 에이전트 운영 기준을 다시 썼다

AI 개발자 레이더 2026-10-03: Kolibri·ThinkingBox가 바꾼 에이전트 평가 기준

AI 개발자 레이더 2026-10-02: 로컬 추론이 Agent 판을 흔든다—ds4·DGX Spark·권한 추적의 새 기준

AI 개발자 레이더 2026-10-01: 빠른 모델만으론 부족하다—Agent 승부처는 비용·복구·권한 제어

토스증권 AI 백엔드 사례로 배우는 LLM API 설계와 운영

AI 개발자 레이더 2026-09-30: Agent 경쟁은 모델보다 런타임·MCP·트레이싱 경계로 갈린다

AI 개발자 레이더 2026-09: 모델 경쟁을 넘어, 에이전트의 권한·평가·제어 평면이 실전 기준이 된 달

AI 개발자 레이더 2026-09-29: Agent 보안 경쟁은 런타임 격리와 평가 하네스로 갈린다

AI 도구

AI 도구 사이드 패널

티스토리툴바