논문, 기술 블로그, 오픈소스 저장소를 읽고 정리합니다. 요약이 아니라 판단에 쓸 수 있는 형태로 남기는 것이 목표입니다.
정리마다 다음을 지킵니다.
- 원문 확인: 수치와 인용은 원문에서 직접 확인합니다. 2차 자료를 옮겨 적지 않습니다
- 한계 명시: 어떤 조건에서 나온 결과인지, 어디까지 일반화되는지 함께 적습니다
- 상호 연결: 같은 문제를 다루는 자료끼리 링크로 잇습니다
- 적용 지점: 읽은 내용 중 다른 곳에 옮길 수 있는 원리를 따로 뽑습니다
가장 최근에 추가한 8건입니다. 전체는 아래 주제별 표에 있습니다.
2026-11-18Palantir Foundry Markings: 데이터를 따라 전파되는 필수 접근 제어 · Palantir Foundry 문서2026-11-13trida-stack: AR LLM을 block-diffusion으로 바꾸고 self-speculative 생성과 typed decision을 한 가중치로 서빙 · GitHub2026-11-11auto-ontology-mcp: NVIDIA Auto Ontology 시맨틱 레이어를 LLM 없이 MCP 서버로, 개인 지식 저장소까지 · GitHub2026-11-10토스 AI-Ready Data: 표준 마트 위에 온톨로지를 얹고 골든셋으로 관리하는 데이터 의미 층 · 토스 채용 아티클2026-11-10카카오페이증권 if(kakao)26: 사건 중심 지식 그래프와 근거·가정을 나눠 말하는 금융 에이전트 · if(kakao)26 발표2026-11-09iKnow: macOS가 사용자에 대해 쌓는 개인 지식 그래프를 읽기 전용으로 열어 보는 도구 · GitHub2026-11-09OntoSmith: 온톨로지를 먼저 정하고 판정 모델 게이트로 지식 그래프를 짓는 빌더 · GitHub2026-11-06auto-ontology-eval: 온톨로지가 Text-to-SQL 정확도를 얼마나 올리는지 재는 대조 평가 도구 · GitHub2026-11-06Forward Deployed Engineer Roadmap: 고객 현장 AI 엔지니어 학습 순서와 블로그 140편 · GitHub2026-11-05oh-my-hermes: Hermes Agent 위에 얹는 작업 분할 · 모델 라우팅 · 증거 게이트 계층 · GitHub2026-11-04edgextract: 닫힌 yes/no 질문과 결정 모델로 markdown에서 지식 그래프 추출 · GitHub2026-11-04Carrel: 온톨로지 증강 에이전트용 셀프호스팅 지식베이스 (그래프 ablation · 재빌드 안정성) · GitHub2026-11-04Elephant-Goldfish Model: fresh-context 리뷰어로 설계 문서를 검증하는 에이전트 스킬 · GitHub2026-11-03kgdiff: 지식 그래프 버전 간 의미 diff와 리뷰 도구 · GitHub2026-11-02agent-desktop: OS 접근성 트리 기반 데스크톱 앱 조작 프레임워크 · GitHub2026-10-30llm-d: Kubernetes 위 분산 LLM 추론 스택 (KV 인식 라우팅, P/D 분리, 계층 KV 캐시) · GitHub2026-10-30pg-jev: Postgres 테이블에 자연어 조건을 거는 확장과 행 묶음 판정 파이프라인 · GitHub2026-10-29LLM 캐시는 어떻게 작동할까: 프리픽스 캐싱, 캐시 고려 라우팅, 사용자 격리 · 로보코 블로그2026-10-29SkipKV: 추론 모델의 KV 캐시를 문장 단위로 지우고 생성 자체를 줄이기 · MLSys 20262026-10-29openpi: Physical Intelligence의 VLA 로봇 정책 π0 · π0-FAST · π0.5 공개 구현 · GitHub2026-10-29Deep Insight: 프로덕션 멀티 에이전트가 풀어야 할 5가지 문제와 계층형 설계 · AWS 기술 블로그2026-10-29Graphicle: 코딩 에이전트용 코드 그래프와 프로젝트 메모리, 그리고 긴 문맥 pack · GitHub (v0.1.9 기준 갱신)2026-10-28claude-video (/watch): 에이전트에게 영상을 프레임과 자막으로 보여 주는 스킬 · GitHub2026-10-28NVIDIA Auto Ontology: DB 메타데이터로 만드는 에이전트용 시맨틱 레이어와 Text-to-SQL · GitHub2026-10-28토스 SNAP: 작은 모델이 자신 있는 요청만 가져가 LLM 비용 줄이기 · 토스 기술 블로그2026-10-27Dust: 역전파 없이 트랜스포머를 사전학습하기 · Q Labs Research2026-10-27Open Ontologies: 온톨로지 변경 계획과 검증 가능한 추론 증명서 · GitHub2026-10-27Anthropic S-1: 상장 신고서로 본 매출, 컴퓨트, 지배구조 · SEC EDGAR2026-10-26ThinkRail: pi 에이전트를 감싼 IDE와 SPEC.md 그래프 · GitHub2026-10-23DeepInfer: DeepSeek가 공개한 자사 서비스용 추론 엔진과 vLLM 비교 · GitHub2026-10-20MariaDB OQGRAPH: 엣지 테이블 위의 SQL 그래프 연산 엔진과 Apache AGE 비교 · MariaDB 공식 문서2026-10-19동네 치과 AX 전환기: 로컬 LLM으로 전화·보험 서류·경영 리포트 자동화 · 아카라이브 AI 로컬 홈랩2026-10-19OntoBricks로 이해하는 온톨로지 ①: 시맨틱 레이어, 온톨로지, 지식 그래프 · 티스토리 (일주일만 하면 ...)2026-10-16Omnigraph: 에이전트가 브랜치로 쓰는 타입 그래프 DB · GitHub2026-10-16PhotoCraft: 순수 Rust 포토샵 재구현과 명령 등록부 기반 MCP · GitHub2026-10-16Ghidra: NSA가 공개한 리버스 엔지니어링 프레임워크 · GitHub2026-10-16REA: 에이전트에 붙이는 리버스 엔지니어링 MCP · GitHub2026-10-13토스 AI Platform: 검토한 사용 조건을 실제 호출까지 잇는 GenAI Gateway · 토스 기술 블로그2026-10-13LLM 비용 64% 절감: 메트릭부터 만들고 Prompt Caching을 붙이기 · MUSINSA techblog2026-10-07배럭: 인프라 요청을 폼과 봇 PR로 바꾼 사내 플랫폼 · 비브로스 기술 블로그2026-10-07Opik: LLM 관측·평가 플랫폼과 Langfuse 비교 · GitHub2026-10-01Why Does PTQ Work: 4비트로 깎아도 LLM이 버티는 이유 · arXiv2026-09-29GraphRAG-Bench: RAG에 그래프는 언제 필요한가 · arXiv / ICLR 20262026-09-28RAGSearch: 에이전트 검색 시대에도 GraphRAG가 필요한가 · arXiv2026-09-28PathRAG: 이웃을 다 넣지 말고 경로만 넣는 GraphRAG · arXiv / AAAI 2026
GraphRAG 계열과 지식 그래프. 서로 반박하고 보완하는 관계라 묶어서 읽는 편이 낫습니다. 열 건이 서로 어디에 놓이는지는 GraphRAG 지식 지도에 정리했습니다. GraphRAG 관련 오픈소스 저장소 38개를 용도별로 나눈 목록은 GraphRAG 오픈소스 지형에 있습니다. 아직 읽지 않은 후보 68건은 읽을 논문 대기열에 모아 두고 하나씩 정리합니다.
| 날짜 | 제목 | 출처 | 태그 |
|---|---|---|---|
| 2026-11-09 | 토스 AI-Ready Data: 표준 마트 위에 온톨로지를 얹고 골든셋으로 관리하는 데이터 의미 층 | 토스 채용 아티클 (Data 시리즈) | #KnowledgeGraph #Ontology #SemanticLayer #TextToSQL #GoldenSet |
| 2026-10-20 | MariaDB OQGRAPH: 엣지 테이블 위의 SQL 그래프 연산 엔진과 Apache AGE 비교 | MariaDB 공식 문서 | #GraphDB #OQGRAPH #ApacheAGE #ShortestPath #SQL |
| 2026-10-15 | OntoBricks로 이해하는 온톨로지 ①: 시맨틱 레이어, 온톨로지, 지식 그래프 | 티스토리 (일주일만 하면 ...) | #Ontology #OWL #KnowledgeGraph #SemanticLayer #Databricks |
| 2026-10-14 | 카카오페이증권 if(kakao)26: 사건 중심 지식 그래프와 근거·가정을 나눠 말하는 금융 에이전트 | if(kakao)26 발표 (카카오페이증권) | #KnowledgeGraph #Ontology #FinanceAgent #ExplainableAI #Groundedness |
| 2026-09-29 | GraphRAG-Bench: RAG에 그래프는 언제 필요한가 | arXiv / ICLR 2026 | #GraphRAG #Benchmark #HippoRAG2 #ContextRelevance #TokenCost |
| 2026-09-28 | RAGSearch: 에이전트 검색 시대에도 GraphRAG가 필요한가 | arXiv | #GraphRAG #AgenticSearch #Benchmark #HippoRAG2 #MultiHopQA |
| 2026-09-28 | PathRAG: 이웃을 다 넣지 말고 경로만 넣는 GraphRAG | arXiv / AAAI 2026 | #GraphRAG #LightRAG #PathRetrieval #Pruning #TokenCost |
| 2026-09-10 | Graph RAG의 모든 것: 패턴과 구현체 지형도 | dev.to | #GraphRAG #RAPTOR #DRIFT #KnowledgeGraph #AWS |
| 2026-09-10 | LLM on Graphs 서베이: GraphRAG는 이 지형의 한 칸이다 | arXiv | #Survey #GraphNeuralNetwork #GraphRAG #TextAttributedGraph |
| 2026-09-08 | Microsoft GraphRAG 동작원리 단계별 해부 | Towards AI | #GraphRAG #KnowledgeGraph #Leiden #LocalSearch #GlobalSearch |
| 2026-08-31 | ROGRAG: 다단계 검색 GraphRAG | arXiv / GitHub | #GraphRAG #LogicForm #KnowledgeGraph #Ablation |
| 2026-07-02 | LogicRAG: Adaptive Reasoning Structures | arXiv / GitHub | #RAG #GraphRAG #MultiHopQA #DAG |
| 2026-06-14 | Open Knowledge Format(OKF) | PyTorchKR | #OKF #지식표현 #LLMWiki #GoogleCloud #MCP |
MCP, 멀티 에이전트, 도구 선택, 에이전트 운영 인프라.
| 날짜 | 제목 | 출처 | 태그 |
|---|---|---|---|
| 2026-10-13 | 토스 AI Platform: 검토한 사용 조건을 실제 호출까지 잇는 GenAI Gateway | 토스 기술 블로그 | #LLMGateway #MCP #Guardrail #RateLimit #PTU |
| 2026-09-10 | 에이전트 중단 기능 설계: Flag 체크포인트 | Liner | #AIAgent #SSE #Redis #PubSub #상태관리 |
| 2026-09-02 | Bedrock AgentCore: LangGraph 위에 운영 레이어 얹기 | AWS 기술 블로그 | #AgentCore #Bedrock #LangGraph #MCP #Observability |
| 2026-09-02 | The End of Software Engineering: 에이전트 패러다임 선언 검토 | arXiv | #AgenticEngineering #AIAgent #PositionPaper #SWEbench |
| 2026-07-10 | RAG-MCP: Prompt Bloat 없는 MCP 도구 선택 | arXiv | #MCP #RAG #ToolSelection #PromptBloat |
| 2026-07-06 | Agentic AI: Single vs Multi-Agent Systems | Medium | #AgenticAI #MultiAgent #LangGraph #WorkflowDesign |
| 2026-07-06 | How Many Tools Should an LLM Agent See? | arXiv | #LLMAgent #ToolSelection #Retrieval #MCP #BoR |
| 2026-07-02 | OpenWiki: repo 문서화 에이전트 | LangChain Blog | #OpenWiki #AIAgent #Documentation #DeepAgents |
| 2026-04-01 | Deep Insight: 프로덕션 멀티 에이전트가 풀어야 할 5가지 문제와 계층형 설계 | AWS 기술 블로그 | #MultiAgent #StrandsAgents #AgentCore #HumanInTheLoop #PromptCaching |
| 2025-12-31 | AI 테스트 에이전트 구축 | Medium | #TDD #AIAgent #ClaudeCode #SubAgent |
| 2025-12-30 | Context Engineering 핵심역량 | SK devocean | #ContextEngineering #LLM #ContextWindow |
| 2025-12-30 | OMS Claude AI 워크플로우 | 컬리 기술블로그 | #ClaudeAI #MSA #팀생산성 |
| 2025-12-29 | Visa Intelligent Commerce + AgentCore | AWS ML Blog | #AgenticAI #Bedrock #MCP #MultiAgent |
| 2025-12-25 | Claude Code 스타일 스킬 시스템 | AWS Samples | #LLM #Agent #Skill-System |
| 2025-12-24 | Table Agent 테이블 데이터 처리 | 채널톡 | #RAG #Text-to-SQL #Agent |
| 2025-12-22 | Subagents Supervisor 패턴 | LangChain | #MultiAgent #Supervisor |
| 2025-12-18 | MCP vs Claude Skills 비교 | 요즘IT | #MCP #ClaudeSkills |
처리량, 지연, 메모리. 엔진 설정과 서빙 구조를 나눠 보는 관점.
| 날짜 | 제목 | 출처 | 태그 |
|---|---|---|---|
| 2026-10-28 | 토스 SNAP: 작은 모델이 자신 있는 요청만 가져가 LLM 비용 줄이기 | 토스 기술 블로그 | #LLMCost #SelectivePrediction #ModelCascade #Confidence #토큰효율 |
| 2026-10-28 | LLM 캐시는 어떻게 작동할까: 프리픽스 캐싱, 캐시 고려 라우팅, 사용자 격리 | 로보코 블로그 | #PromptCaching #PrefixCaching #KVCache #LMCache #MultiTenant |
| 2026-07-07 | LLM 비용 64% 절감: 메트릭부터 만들고 Prompt Caching을 붙이기 | MUSINSA techblog | #PromptCaching #Bedrock #토큰효율 #LLMCost |
| 2026-11-01 | kgdiff: 지식 그래프 버전 간 의미 diff와 리뷰 도구 | iiwish | #KnowledgeGraph #Ontology #GraphDiff #GraphRAG #RDF #TypeScript |
| 2026-10-16 | DeepInfer: DeepSeek가 공개한 자사 서비스용 추론 엔진과 vLLM 비교 | DeepSeek-AI | #Inference #vLLM #MoE #PDDisaggregation #SpeculativeDecoding |
| 2026-10-01 | Why Does PTQ Work: 4비트로 깎아도 LLM이 버티는 이유 | arXiv | #Quantization #PTQ #NVFP4 #Interpretability #LMHead |
| 2026-09-18 | Cache-to-Cache: 모델끼리 KV 캐시로 대화하기 | arXiv / ICLR 2026 | #MultiLLM #KVCache #ModelCommunication #Inference |
| 2026-09-14 | NCP-ArchPreview: 토큰 다음에 개념을 예측하게 만들기 | arXiv | #LatentSpaceLM #NextConceptPrediction #VectorQuantization #Pretraining |
| 2026-09-11 | DeepSeek-V4.1-Flash: KV 캐시를 토큰당 890바이트로 | DeepSeek-AI | #KVCache #SparseAttention #MoE #ContextPacking #FP4 |
| 2026-09-10 | EKS에서 vLLM 콜드 스타트 428초를 226초로 | AWS 기술 블로그 | #vLLM #EKS #ColdStart #Karpenter #SleepMode |
| 2026-09-08 | 서빙 구조가 LLM 처리량을 바꾸는 방식 | Notion | #vLLM #RayServe #Triton #KServe #Throughput |
| 2026-07-06 | Fused Linear Cross-Entropy: 메모리 아끼면서 CE 계산하기 | Trillion Labs Research | #CrossEntropy #LLMTraining #MemoryOptimization #CUDA |
| 2026-04-18 | SkipKV: 추론 모델의 KV 캐시를 문장 단위로 지우고 생성 자체를 줄이기 | MLSys 2026 | #KVCache #ReasoningModel #Eviction #ActivationSteering #Throughput |
| 2026-01-04 | JSON vs TOON 토큰효율 | 네이버클라우드 | #TOON #JSON #토큰효율 #LLM |
| 2025-12-19 | LLM 서빙 성능최적화 | 네이버 CLOVA | #LLM #KVCache #Goodput |
| 2025-12-19 | Speculative Decoding 적용기 | 네이버 CLOVA | #LLM #SpeculativeDecoding |
| 2025-12-19 | Tensor Parallelism 심층분석 | liyuan24 블로그 | #LLM #TensorParallel |
| 2025-12-18 | 토스 대규모 데이터 서빙 아키텍처 | 토스 기술블로그 | #DataEngineering #StarRocks |
사전학습과 최적화 방법. 서빙 쪽과 달리 가중치를 만드는 단계.
| 날짜 | 제목 | 출처 | 태그 |
|---|---|---|---|
| 2026-10-02 | Dust: 역전파 없이 트랜스포머를 사전학습하기 | Q Labs Research | #ZerothOrder #EvolutionStrategies #Pretraining #Backprop #EGGROLL |
답을 믿어도 되는지 판단하는 신호들. 입력 단계 가드레일 후보 22건은 가드레일 읽을 논문에 모아 두었습니다.
| 날짜 | 제목 | 출처 | 태그 |
|---|---|---|---|
| 2026-09-28 | JEV-as-a-Judge: 확신하면 받고, 모르면 넘기는 판정기 | arXiv | #LLMasJudge #Calibration #Cascade #EvalCost |
| 2026-06-11 | Future Context 기반 LLM 환각 검출 | 네이버 CLOVA | #환각검출 #BlackBox #FutureContext #ACL2026 |
| 2026-06-09 | Logits as Confidence: LLM·VLM 신뢰도 활용 | Medium | #Logits #Confidence #LLM #VLM #LogProbs |
| 2025-12-24 | ML 모델 벤치마크 필요성 | 채널톡 | #RAG #벤치마크 #하이브리드검색 |
| 날짜 | 제목 | 출처 | 태그 |
|---|---|---|---|
| 2026-11-16 | Palantir Foundry Markings: 데이터를 따라 전파되는 필수 접근 제어 | Palantir Foundry 문서 | #AccessControl #DataGovernance #MandatoryAccessControl #DataLineage #PII |
| 2026-10-26 | Anthropic S-1: 상장 신고서로 본 매출, 컴퓨트, 지배구조 | SEC EDGAR | #Anthropic #IPO #LLM비즈니스 #Compute #지배구조 |
| 2026-10-13 | 동네 치과 AX 전환기: 로컬 LLM으로 전화·보험 서류·경영 리포트 자동화 | 아카라이브 AI 로컬 홈랩 | #로컬LLM #DGXSpark #OCR #사람평가 #교차검증 |
| 2026-10-05 | 배럭: 인프라 요청을 폼과 봇 PR로 바꾼 사내 플랫폼 | 비브로스 기술 블로그 | #PlatformEngineering #GitOps #ArgoCD #Terraform #승인게이트 |
| 2025-12-27 | AI 진화: 계산기부터 LLM까지 | 네이버 CLOVA | #AI역사 #딥러닝 #옴니모달 |
| 2025-12-27 | Logistic Regression 통계 vs ML | Velog | #LogisticRegression #MLE #SGD |
| 2025-12-23 | 머신러닝 테스트 코드 구현 | velog | #MLOps #Testing #pytest |
| 2025-12-18 | LLM 버그 트리아지 자동화 | 채널톡 | #LLM #자동화 |
직접 뜯어본 오픈소스 저장소와 도구입니다. 코드 규모, 기여자, 라이선스, 실제 구현 여부까지 확인해 적습니다.
| 날짜 | 레포 | 조직 | 태그 |
|---|---|---|---|
| 2026-11-06 | auto-ontology-mcp: NVIDIA Auto Ontology 시맨틱 레이어를 LLM 없이 MCP 서버로, 개인 지식 저장소까지 | gogoymh | #Ontology #SemanticLayer #TextToSQL #MCP #KnowledgeBase |
| 2026-10-30 | Forward Deployed Engineer Roadmap: 고객 현장 AI 엔지니어 학습 순서와 블로그 140편 | amitshekhariitbhu | #ForwardDeployedEngineer #LearningRoadmap #AIEngineering #VoiceAgent #LLMEvaluation |
| 2026-10-22 | OntoSmith: 온톨로지를 먼저 정하고 판정 모델 게이트로 지식 그래프를 짓는 빌더 | Dongbumlee | #KnowledgeGraph #Ontology #InformationExtraction #LLMasJudge #Neo4j |
| 2026-10-16 | DeepInfer: DeepSeek가 공개한 자사 서비스용 추론 엔진과 vLLM 비교 | deepseek-ai | #Inference #vLLM #ExpertParallel #KVCache #DeepSeek |
| 2026-10-14 | Graphicle: 코딩 에이전트용 코드 그래프와 프로젝트 메모리, 그리고 긴 문맥 pack | Graphicle-AI | #CodeGraph #AgentMemory #MCP #ContextPacking #PromptCache #Benchmark |
| 2026-10-03 | edgextract: 닫힌 yes/no 질문과 결정 모델로 markdown에서 지식 그래프 추출 | raphaelmansuy | #KnowledgeGraph #Ontology #InformationExtraction #ClosedDecision #Calibration |
| 2026-09-30 | PhotoCraft: 순수 Rust 포토샵 재구현과 명령 등록부 기반 MCP | storytold | #Rust #PSD #MCP #CommandRegistry #AgentReady |
| 2026-09-28 | trida-stack: AR LLM을 block-diffusion으로 바꾸고 self-speculative 생성과 typed decision을 한 가중치로 서빙 | trillion-labs | #DiffusionLM #BlockDiffusion #SpeculativeDecoding #vLLM #TypedDecision |
| 2026-09-28 | Carrel: 온톨로지 증강 에이전트용 셀프호스팅 지식베이스 (그래프 ablation · 재빌드 안정성) | FengZhenfei | #KnowledgeGraph #Ontology #GraphRAG #HybridRetrieval #AgentSkill |
| 2026-09-17 | pg-jev: Postgres 테이블에 자연어 조건을 거는 확장과 행 묶음 판정 파이프라인 | realZachi | #SemanticSQL #Postgres #Batching #Calibration #CostModel |
| 2026-09-15 | iKnow: macOS가 사용자에 대해 쌓는 개인 지식 그래프를 읽기 전용으로 열어 보는 도구 | 8rank | #KnowledgeGraph #PersonalKnowledgeGraph #Provenance #Privacy #Ontology |
| 2026-09-13 | Elephant-Goldfish Model: fresh-context 리뷰어로 설계 문서를 검증하는 에이전트 스킬 | #AgentWorkflow #SpecDrivenDevelopment #Subagent #DesignReview #ClaudeCode |
|
| 2026-09-11 | GPT-6 Astra 프롬프트 설계 분석 | CL4R1T4S | #SystemPrompt #PromptDesign #권한설계 #PromptInjection |
| 2026-09-11 | llm-as-a-verifier: logprob 분포로 에이전트 궤적 채점 | llm-as-a-verifier | #Verifier #LogProbs #TestTimeScaling #BestOfN #PrefixCache |
| 2026-09-02 | reef: 서빙하면서 스스로 학습하는 에이전트 인프라 | Human-Agent-Society | #ContinualLearning #SelfImprovingAgent #RL #HarnessEvolution #SGLang |
| 2026-07-31 | MatrAIx-Persona-8B: 페르소나 인구규모 AI 평가 인프라 | MatrAIx-ai | #PersonaSimulation #AI평가 #SyntheticData #LLMAgent #Benchmark |
| 2026-07-23 | AgentENV: 에이전트 환경 대규모 실행 플랫폼 | kvcache-ai | #AgenticRL #Firecracker #Sandbox #E2B #KimiK3 |
| 2026-07-08 | ThinkRail: pi 에이전트를 감싼 IDE와 SPEC.md 그래프 | JetBrains | #CodingAgent #AgenticIDE #SpecDrivenDevelopment #GitWorktree #AgentSkills |
| 2026-07-02 | auto-ontology-eval: 온톨로지가 Text-to-SQL 정확도를 얼마나 올리는지 재는 대조 평가 도구 | NVIDIA | #TextToSQL #Evaluation #Ontology #BIRD #NeMoGym |
| 2026-06-03 | oh-my-hermes: Hermes Agent 위에 얹는 작업 분할 · 모델 라우팅 · 증거 게이트 계층 | rlaope | #AgentHarness #ModelRouting #MultiAgent #EvidenceGate #AgentMemory |
| 2026-04-27 | NVIDIA Auto Ontology: DB 메타데이터로 만드는 에이전트용 시맨틱 레이어와 Text-to-SQL | NVIDIA | #Ontology #SemanticLayer #TextToSQL #MCP #pgvector |
| 2026-04-24 | claude-video (/watch): 에이전트에게 영상을 프레임과 자막으로 보여 주는 스킬 | bradautomates | #AgentSkills #ClaudeCode #Video #ffmpeg #Whisper |
| 2026-04-14 | REA: 에이전트에 붙이는 리버스 엔지니어링 MCP | morluto | #MCP #ReverseEngineering #Ghidra #Evidence #PromptInjection |
| 2026-04-11 | late.sh: SSH 한 줄로 들어가는 터미널 클럽하우스 | mpiorowski | #SSH #TUI #Rust #LLMFirstDocs #Kubernetes |
| 2026-04-10 | Omnigraph: 에이전트가 브랜치로 쓰는 타입 그래프 DB | ModernRelay | #GraphDB #Ontology #HybridSearch #Branching #Lance |
| 2026-03-22 | OpenCrab: 에이전트에 MCP로 붙이는 온톨로지 공장 | AlexAI-MCP | #MCP #Ontology #KnowledgeGraph #GraphRAG #ReBAC |
| 2026-03-09 | Open Ontologies: 온톨로지 변경 계획과 검증 가능한 추론 증명서 | fabio-rovai | #Ontology #OWL #SHACL #MCP #FormalVerification |
| 2026-02-19 | agent-desktop: OS 접근성 트리 기반 데스크톱 앱 조작 프레임워크 | Vercel Labs | #ComputerUse #AccessibilityTree #DesktopAutomation #AIAgent #Rust |
| 2025-04-29 | llm-d: Kubernetes 위 분산 LLM 추론 스택 (KV 인식 라우팅, P/D 분리, 계층 KV 캐시) | llm-d (CNCF) | #DistributedInference #vLLM #PrefixCaching #PDDisaggregation #KVCache |
| 2024-10-21 | openpi: Physical Intelligence의 VLA 로봇 정책 π0 · π0-FAST · π0.5 공개 구현 | Physical-Intelligence | #VLA #Robotics #FlowMatching #PaliGemma #LeRobot |
| 2023-05-10 | Opik: LLM 관측·평가 플랫폼과 Langfuse 비교 | comet-ml | #LLMObservability #LLMasJudge #Langfuse #ClickHouse #SelfHosting |
| 2019-03-01 | Ghidra: NSA가 공개한 리버스 엔지니어링 프레임워크 | NationalSecurityAgency | #ReverseEngineering #Decompiler #IR #BinarySimilarity #NSA |
interviews/ 에 질문별 답변과 기업별 출제 경향을 정리합니다.
| 파일 | 내용 |
|---|---|
| 01_통계_수학.md | 선형대수, 확률, 통계 |
| 02_머신러닝.md | ML 알고리즘과 개념 |
| 03_딥러닝.md | 딥러닝 일반 |
| 04_자연어처리.md | NLP |
| 14_OpenAI_MLE_출제경향.md | OpenAI ML Engineer 문제 유형 분포 |
직접 구현하며 확인하는 노트북입니다. Pre-Quiz → TODO 구현 → 테스트 → 시각화 → Post-Quiz 구조입니다.
| 분류 | 노트북 |
|---|---|
| ML/DL 기초 | Gradient Descent · Activation · Backprop · Regularization · BatchNorm · PCA |
| Transformer | Attention → Mini GPT (8개 노트북, 08_mini_gpt 에서 Decoding Strategies 포함) |
I_AM_ML_Engineer/
├── readings/ # 읽은 자료 정리 (이 저장소의 중심)
│ ├── papers/ # 논문
│ ├── blogs/ # 기술 블로그
│ ├── repos/ # 오픈소스 저장소·도구
│ └── _maps/ # 노트 사이의 관계를 그린 지도
├── interviews/ # 면접 질문 정리와 기업별 출제 경향
├── experiments/ # 실습 노트북 (직접 구현)
│ ├── basics/ # ML/DL 기초
│ └── transformer/ # Attention 에서 GPT 까지
├── deep_learning/ # Transformer, CNN, RNN 개념 정리
└── practical_tips/ # 실무 경험과 팁
파일명은 [YYYYMMDD] 출처_제목.md 로 통일합니다. 각 정리는 다음 뼈대를 따릅니다.
- 메타데이터 - 원문 링크, 저자, 발행일, 실험 환경, 읽은 날짜, 태그
- 한 줄 요약 - 이 자료가 주장하는 것
- 본문 - 아래 본문 규칙을 따릅니다
- 읽을 때 감안할 것 - 조건, 표본, 검증되지 않은 전제, 발견한 오기
- 가져갈 지점 - 다른 자료에 옮길 수 있는 원리와 저장소 내 관련 정리 연결
- 결론 - 이 자료를 어떻게 쓰는 것이 맞는지
4번이 핵심입니다. 벤더 자료의 정량 지표 부재, 단일 환경 실험, 인용 오류 같은 것을 여기 적습니다.
논문은 원문 목차를 그대로 따라갑니다. 절 번호와 제목을 원문과 같게 두어 대조하며 읽을 수 있게 합니다. 임의로 재구성하지 않습니다. 4번과 5번 절만 읽는 쪽이 덧붙인 것으로 표시합니다.
블로그와 저장소 정리는 원문 구조를 따르되 주제 단위로 묶습니다. 원문이 절 번호를 쓰지 않는 경우가 많고, 흐름이 설명에 맞춰져 있기 때문입니다.
공통으로 지키는 것은 다음과 같습니다.
- 수치와 표는 원문에서 직접 확인해 옮깁니다. 2차 자료의 인용을 재인용하지 않습니다
- 원문에서 발견한 오기나 불일치는 4번 절에 기록합니다
- 같은 문제를 다루는 다른 정리와 상대 경로로 링크를 겁니다
정리 내용에 대한 피드백이나 토론은 환영합니다. Issues에 남겨주세요.
MIT License