본문 바로가기

728x90

전체 글

(3613)

AI가 도전한 나비에-스토크스 밀레니엄 문제, 특이점 증명과 Lean 형식화까지 나비에-스토크스 방정식은 항공기 설계부터 날씨 예측, 혈류 연구까지 유체의 움직임을 설명하는 데 활용되는 중요한 수학적 도구입니다. 하지만 이 방정식에는 약 90년 동안 해결되지 않은 근본적인 질문이 남아 있었습니다. 처음에는 매끄럽게 움직이던 3차원 유체가 유한한 시간 안에 특이점을 만들어낼 수 있는지 여부입니다.OpenAI는 내부 AI 시스템을 통해 이 문제에 대한 분석적 증명을 만들었으며, 이를 Lean으로 형식화했다고 밝혔습니다. 특히 유체 내부에서 소용돌이가 점점 안쪽으로 감기고 길게 늘어나면서 속도가 제한 없이 증가하는 특이점이 형성될 수 있다는 결과를 제시했습니다.이번 글에서는 나비에-스토크스 밀레니엄 문제의 핵심이 무엇인지부터 AI가 어떤 방식으로 증명을 탐색했는지, 그리고 Lean 형식화..

Qwen-Drive-1.0, 도로 상황을 이해하고 주행 경로까지 계획하는 자율주행 AI 모델 자율주행 AI가 차량 주변의 사물을 인식하는 것에서 한 단계 더 나아가 도로 상황을 이해하고 앞으로 이동할 경로까지 계획할 수 있다면 어떨까요? Qwen-Drive-1.0은 이러한 방향을 목표로 개발된 자율주행 AI 모델입니다.Qwen-Drive-1.0은 Qwen3.5-4B의 기본 구조를 유지하면서 주변 환경을 3D로 인식하는 기능과 주행 경로를 생성하는 기능을 추가했습니다. 하나의 통합된 프레임워크에서 3D 인식, 주행 상황에 대한 질의응답, 차량의 이동 경로 계획을 수행할 수 있도록 구성된 것이 특징입니다.특히 주행 장면을 보고 주변 물체의 위치와 공간 점유 상태, 도로 구조를 파악할 뿐만 아니라 해당 장면에 대한 질문에 자연어로 답하고 차량이 앞으로 이동할 위치와 방향까지 생성합니다. 공개된 데모에..

ChatGPT Images 2.5, 더 정밀해진 이미지 생성과 편집 기능 AI 이미지 생성에서 중요한 것은 단순히 이미지를 빠르게 만드는 것만이 아닙니다. 원하는 대상을 얼마나 자연스럽게 표현하는지, 기존 이미지에서 필요한 부분만 정확하게 수정할 수 있는지, 여러 번 편집해도 처음 의도한 이미지의 특징을 유지할 수 있는지도 중요합니다.OpenAI는 이러한 이미지 생성과 편집 경험을 개선한 ChatGPT Images 2.5를 공개했습니다. Images 2.5는 더 선명한 디테일과 자연스러운 조명, 풍부한 질감, 향상된 참조 이미지 보존 기능을 제공하며, 편집 지시를 여러 차례 이어가는 상황에서도 이전 작업을 더 안정적으로 유지하도록 개선됐습니다.특히 이미지 생성 속도도 Images 2.0보다 최대 50% 빨라졌습니다. 여기에 ChatGPT에서는 직접 그림을 그려 이미지를 만드는..

GPT Image 2.5 프롬프트 작성 가이드: 이미지 생성부터 편집까지 GPT Image 2.5를 활용해 원하는 이미지를 만들기 위해서는 단순히 이미지에 대한 설명을 입력하는 것보다 결과물의 목적과 구성, 스타일, 세부 요소, 유지해야 할 조건을 명확하게 전달하는 것이 중요합니다.GPT Image 2.5는 GPT Image 2.5 Flare와 GPT Image 2.5 Sunburst 두 가지 모델을 제공하며, 이미지 생성뿐 아니라 기존 이미지 편집과 투명 배경 이미지 생성도 지원합니다. 모델을 선택한 뒤 품질, 이미지 크기, 배경 등의 설정을 조정하고, 이미지의 목적과 필요한 조건을 프롬프트에 구체적으로 작성하는 방식으로 활용할 수 있습니다.이 글에서는 GPT Image 2.5의 모델 선택 방법부터 주요 파라미터, 효과적인 프롬프트 작성법, 이미지 편집과 반복 수정 방법까지..

Claude Code에서 Claude와 OpenAI 모델을 함께 사용하는 방법 Claude Code를 사용하면서 Claude 모델뿐만 아니라 OpenAI의 Codex 모델도 하나의 환경에서 함께 사용하고 싶다면, Claude Code Model Proxy를 활용할 수 있습니다.이 프록시는 Anthropic API 앞단에서 TLS를 종료한 뒤 api.anthropic.com처럼 동작하면서 요청을 모델에 따라 분기합니다. 추가된 OpenAI 모델 요청은 OpenAI Responses API로 변환해 전달하고, 나머지 요청은 기존처럼 Anthropic으로 전달하는 방식입니다.특히 ANTHROPIC_BASE_URL을 변경하거나 Claude Code SDK를 수정하지 않는 것이 특징입니다. 따라서 Claude Code에서 사용하던 remote control, 서브 에이전트, hooks, M..

Claude Code 플러그인 완벽 가이드: 개발 생산성을 높이는 36가지 플러그인 Claude Code를 사용하면서 더 많은 기능을 활용하고 싶다면 플러그인을 살펴볼 필요가 있습니다. 하지만 공식 마켓플레이스만 확인해도 수많은 플러그인이 존재하기 때문에 어떤 플러그인을 설치해야 할지 결정하기가 쉽지 않습니다.플러그인은 Claude Code의 기능을 확장할 수 있도록 Skills, Commands, Hooks, MCP 서버 등을 하나의 패키지로 구성한 기능입니다. 터미널에서 간단한 명령으로 설치할 수 있으며, 개발뿐만 아니라 데이터 분석, DevOps, 인프라, 마케팅, 영업, 재무, 생산성 업무에도 활용할 수 있습니다.이 글에서는 원문에서 선별한 36개의 주요 Claude Code 플러그인을 용도별로 살펴보고, 개발 환경과 업무 유형에 따라 어떤 플러그인을 조합할 수 있는지 정리합니다..

코드와 문서를 의미로 찾는다, zvec 기반 zg(zvec-grep) 활용 방법 개발 프로젝트의 규모가 커질수록 필요한 코드나 문서를 찾는 일은 점점 어려워집니다. 단순한 키워드 검색만으로는 원하는 내용을 바로 찾기 어렵고, AI 에이전트가 저장소를 탐색할 때도 불필요한 파일과 컨텍스트를 함께 확인해야 하는 상황이 발생할 수 있습니다.zg(zvec-grep)는 이런 검색 과정을 하나의 로컬 우선 인터페이스로 통합한 검색 도구입니다. Alibaba의 zvec을 기반으로 하며, ripgrep, BM25, 벡터 검색을 함께 활용해 의미를 기준으로 관련 내용을 찾고 검색 결과를 관련도에 따라 정렬한 뒤 정확한 텍스트나 정규식으로 확인할 수 있도록 구성되어 있습니다.특히 사람이 터미널에서 직접 검색할 수 있을 뿐 아니라 AI 에이전트가 동일한 검색 환경을 활용할 수 있다는 점이 특징입니다. ..

OKF Agent Memory, Git과 Markdown으로 관리하는 AI 에이전트의 지속적인 프로젝트 메모리 AI 에이전트를 개발에 활용하다 보면 대화가 끝난 뒤 이전에 결정한 아키텍처, 프로젝트 지식, 운영 정보가 사라지는 문제가 발생할 수 있습니다. 특히 컨텍스트 윈도우가 종료되면 AI 에이전트가 기존 내용을 그대로 이어받기 어렵기 때문에 필요한 정보를 다시 전달해야 합니다.OKF Agent Memory는 이러한 문제를 해결하기 위해 프로젝트 저장소의 knowledge/ 디렉터리에 지식을 Markdown 파일로 저장하고, 이를 검색하고 검증할 수 있도록 구성한 Git-Native 영구 메모리 계층입니다.Google OKF v0.2를 기반으로 하며, 별도의 외부 데이터베이스 없이 Git으로 변경 이력을 관리할 수 있습니다. 또한 In-memory BM25 검색, Progressive Disclosure, Se..

GitHub Project HydraFusion, 코딩 작업마다 AI 모델과 실행 전략을 자동으로 조합한다 GitHub가 코딩 작업마다 하나의 AI 모델을 선택하는 대신, 작업에 필요한 모델과 실행 과정을 조합하는 Project HydraFusion을 연구 프리뷰로 공개했습니다. HydraFusion은 사용자의 요청을 하나의 모델에 전달하는 방식에서 벗어나, 요청마다 실행 계획을 구성합니다.하나의 모델이 코드를 작성할 수도 있고, 다른 모델이 작성된 결과를 검토할 수도 있습니다. 첫 번째 결과가 품질 기준을 통과하지 못하면 더 강력한 모델로 작업을 확장하는 것도 가능합니다. 여러 제공업체의 모델을 사용할 수 있다는 점도 특징입니다.현재 HydraFusion은 모든 GitHub Copilot 요금제 사용자가 GitHub Copilot CLI에서 연구 프리뷰 형태로 사용할 수 있습니다. /update와 /expe..

Perplexity의 GPU 임베딩 처리 구조: Ivy·Tulip·ROSE와 pplx-embed의 성능 최적화 AI 검색 서비스에서 검색 품질을 좌우하는 요소는 크게 두 가지입니다. 하나는 얼마나 좋은 임베딩 모델을 사용하는가이고, 다른 하나는 이 모델을 대규모 인덱스에서 얼마나 효율적으로 실행할 수 있는가입니다.Perplexity Engineering 팀은 최근 GPU 기반 임베딩 처리 구조를 소개하며, pplx-embed와 Perplexity Search, Computer, API Platform에서 사용되는 랭킹 모델의 서빙 인프라를 공개했습니다.핵심은 새로운 임베딩 엔진을 별도로 구축하는 것이 아닙니다. Perplexity는 기존 LLM 스택에서 사용하던 GPU 커널을 임베딩 처리에도 재사용하고, 그 위에 CUDA Graph, 비동기 처리 구조, Rust 기반 요청 경로를 결합했습니다.이 글에서는 Perp..

이전 1 2 3 4 ··· 362 다음

728x90

티스토리툴바