전체 글 (84) 썸네일형 리스트형 mSlideOn의 검색 예산, 토큰별 특징과 문서 전체를 나눠 보기 mSlideOn을 검색 서비스에 붙일 때는 모델의 전체 차원 수와 실제 검색에 남기는 특징 수를 따로 봐야 합니다. 32,768차원이라는 설명만 보면 저장 공간이 커 보이고, 토큰별 top-32라는 설명만 보면 문서도 특징 32개로 끝날 듯합니다. 두 숫자는 서로 다른 단계의 설정입니다.LightOn이 2026년 10월 19일 발표한 SlideOn과 mSlideOn은 문장을 희소 벡터로 바꾸는 검색 모델입니다. 영어용 SlideOn은 DenseOn, 다국어용 mSlideOn은 mLateOn의 표현을 바탕으로 학습했습니다. 기존 모델의 검색 지식을 역색인에 담을 수 있는 형태로 옮기고, 질의와 문서의 희소화 정도를 별도로 조절하는 것이 핵심입니다. 이 글은 한국어 문서 검색을 검토하는 개발자를 위해 그 조.. AnyLanguageModel 1.1, 답변 하나의 토큰 수가 작업 전체 사용량은 아닙니다 AnyLanguageModel 1.1.0으로 업데이트한 뒤 답변에 붙은 토큰 수가 줄어 보인다면, 곧바로 효율이 좋아졌다고 판단하면 안 됩니다. 이번 버전의 response.usage는 답변을 만드는 동안 수행한 모든 요청이 아니라 마지막 모델 요청의 사용량을 나타냅니다. 작업 전체를 보려는 개발자는 세션 누적치인 session.usage와 구분해야 합니다.AnyLanguageModel은 Apple의 Foundation Models와 호환되는 방식으로 여러 로컬·호스팅 모델을 연결하는 Swift 라이브러리입니다. 1.0 소개 글은 2026년 10월 20일에 올라왔지만, 이 글에서 다루는 변경은 10월 22일 공개된 1.1.0 릴리스입니다. 한국어 업무 앱에 모델을 붙이거나 Mac에서 로컬 모델과 원격 모.. ThinkingBox Training, AI 업무 완료를 데이터로 판단하는 이유 업무를 맡긴 AI가 “처리했습니다”라고 답해도, 바뀌어야 할 데이터가 그대로라면 일은 끝나지 않았습니다. ThinkingBox Training은 작업 뒤에 남은 데이터와 부수 효과를 검사한 결과를 AI의 학습 보상으로 연결합니다. 답변의 말투보다 업무가 실제로 완수됐는지를 가르치려는 접근입니다.Microsoft와 Hugging Face가 2026년 10월 22일 소개한 것은 이 학습 통합 코드입니다. 기반 ThinkingBox 논문은 8월 20일 처음 공개됐고 v4는 10월 1일 개정됐습니다. 새 벤치마크가 그날 처음 등장했다는 뜻은 아닙니다. 아래 설명은 공식 문서와 논문을 검토한 것이며 직접 학습을 실행한 후기는 아닙니다.“변경 성공” 응답 다음에 확인할 것예를 들어 사내 장비 대여 봇에 모니터 한 .. LitPivot, 연구 아이디어를 고치면 비교할 논문도 달라진다 연구 아이디어가 바뀌었는데 참고문헌 목록은 그대로라면, 새 주장을 오래된 기준으로 평가하게 됩니다. LitPivot은 초안을 고치는 일과 비교할 문헌을 다시 고르는 일을 연결한 연구 인터페이스입니다. 논문을 대신 써주는 도구라기보다, 내가 주장하는 차이가 실제 선행연구와 맞물리는지 살피는 방식에 가깝습니다.Ai2는 2026년 10월 23일 이 연구를 소개했습니다. 다만 논문의 첫 공개는 4월 3일이고 최신 v3 개정은 9월 22일입니다. 이번 소식을 새 상용 서비스 출시나 전체 코드 공개로 받아들이면 안 됩니다. 아래는 공식 발표와 논문을 바탕으로 정리한 설명이며 직접 사용한 후기는 아닙니다.논문 목록보다 먼저 나누는 세 가지LitPivot은 초안에서 해결하려는 문제, 새로 제안하는 기여, 이를 확인할 .. Granite 시계열 앙상블, 예측값과 함께 남겨야 할 실행 기록 시계열 예측을 붙일 때는 결과 숫자뿐 아니라 어떤 모델이 실제로 계산에 참여했는지도 남겨야 합니다. IBM Research가 2026년 10월 22일 소개한 Granite Timeseries Ensemble R1이 좋은 예입니다. 기본 구성은 네 모델의 예측을 모으지만, 공식 문서에 따르면 일부 모델이 실패해도 나머지 모델로 결과를 낼 수 있습니다.서버 사용량이나 설비 센서 기록으로 예측 실험을 시작하는 개발자라면, 성능표보다 이 동작부터 확인할 만합니다. 아래 내용은 공식 발표와 문서를 읽고 정리한 것으로, 직접 실행한 사용기는 아닙니다.하나로 합친 모델 파일이 아니라, 함께 실행할 구성기본 구성에는 PatchTST-FM-r1, PatchTST-FM-r2, FlowState-r1.1, TTM-r3가 들.. ALTK-Evolve, AI 상담봇의 평균 성공률과 네 번 모두 성공의 차이 AI 상담봇이 같은 문의를 세 번 잘 처리하고 한 번 놓친다면, 평균 점수만으로는 그 불안정함이 잘 보이지 않습니다. IBM Research 연구진이 2026년 10월 20일 공개한 ALTK-Evolve 고객서비스 실험은 이전 작업에서 얻은 지침을 얼마나 넣을지, 성공의 일관성을 어떻게 확인할지 함께 살펴볼 사례입니다.대화 기록에서 다음 작업의 지침을 만든다ALTK-Evolve는 에이전트의 작업 기록을 분석해 재사용할 지침을 추출하고, 다음 작업에 필요한 지침을 다시 공급하는 도구입니다. 모델의 가중치를 바꾸는 재학습과는 구분됩니다. 이번 실험에서는 훈련용 작업에서 만든 지침을 고정한 뒤 별도 테스트 작업의 시스템 프롬프트에 붙였습니다.ALTK-Evolve 공식 README의 구조도. 작업 기록 → 지침.. Bekko 정적 임베딩, 512차원 출력과 모델 용량을 나눠 보기 GPU 없이 한국어 문서를 검색하는 작은 서비스를 만들고 싶다면, 10월 21일 공개된 bekko-static-embedding-v1을 살펴볼 만합니다. 문장을 숫자 벡터로 바꾸되 Transformer 계산을 거치지 않는 정적 임베딩 모델입니다. 개발자 Yuichi Tateno가 공개했으며, 학습 대상 40개 언어에 한국어가 포함됩니다.이번 공개에서 눈여겨볼 부분은 CPU 실행 자체보다 벡터 길이를 줄이는 옵션과 가중치 파일을 줄이는 선택지가 따로 있다는 점입니다. 소규모 FAQ 검색이나 개인 문서 검색을 준비한다면 이 차이가 저장 공간과 메모리 계획에 직접 연결됩니다.512차원으로 설정했는데 왜 모델은 그대로일까임베딩의 차원은 문장 하나를 표현하는 숫자의 개수입니다. 이 모델의 기본 출력은 1024차원.. Resend Inboxes, AI 초안과 발송을 나눠 시작하기 문의 메일을 AI에게 맡기려면 답장 문구를 잘 만드는 것보다 먼저 풀어야 할 일이 있습니다. 같은 고객이 보낸 후속 메일을 묶고, 누가 처리 중인지 표시하고, 아직 보내지 않은 답변을 팀원이 검토할 수 있어야 합니다. Resend Inboxes는 이 대화 관리 부분을 API와 공유 메일함으로 제공하는 새 기능입니다.Resend는 2026년 10월 21일 Forward 행사 회고에서 Inboxes 공개를 알렸고, 10월 22일 별도 소개글을 게시했습니다. 국내 소규모 서비스팀이 살펴볼 지점은 ‘AI가 메일을 대신 보낸다’는 문구보다, 들어온 문의를 정리하는 단계와 밖으로 답장을 보내는 단계를 나눌 수 있다는 점입니다.수신 알림 뒤에 남아 있던 일을 메일함으로 묶었습니다웹훅은 메일이 도착했을 때 내 프로그램.. 이전 1 2 3 4 ··· 11 다음
