본문 바로가기
728x90
반응형

전체 글

 (3198)
Apple Silicon Mac에서 LLM 파인튜닝하기: Unsloth-MLX 완전 정리 Mac 사용자도 이제 로컬에서 LLM을 직접 파인튜닝한다대규모 언어 모델(LLM)을 파인튜닝하려면 보통 NVIDIA GPU와 CUDA 환경이 필요하다고 생각하기 쉽습니다. 하지만 Unsloth-MLX는 이런 진입장벽을 크게 낮춰줍니다.이 글에서는 Apple Silicon(M1~M5) Mac 환경에서 LLM을 로컬로 파인튜닝할 수 있게 해주는 Unsloth-MLX가 무엇인지, 왜 등장했는지, 어떤 특징과 장점을 갖고 있는지, 그리고 간단한 사용 예제까지 정리해 소개합니다.Mac 사용자라면 “로컬에서 먼저 실험하고, 이후 클라우드 GPU로 확장하고 싶다”는 니즈를 어떻게 해결할 수 있는지 분명하게 이해할 수 있을 것입니다.Unsloth-MLX란 무엇인가?Unsloth-MLX는 Apple의 MLX 프레임워크를..
Agent Zero란 무엇인가? - 유기적으로 성장하는 개인용 에이전틱 프레임워크 정리 이 글에서는 Agent Zero라는 에이전틱(agentic) 프레임워크가 무엇인지, 어떤 배경에서 등장했으며, 기존 AI 에이전트와 어떤 점에서 다른지 정리합니다.Agent Zero의 핵심 개념, 주요 특징, 확장성과 커스터마이징 구조, 그리고 실제 활용 가능한 시나리오까지 한 번에 이해할 수 있도록 구성했습니다.특히 *“내가 직접 성장시키는 개인 AI 에이전트”*라는 관점에서 Agent Zero의 철학과 강점을 살펴봅니다.Agent Zero의 개념과 등장 배경Agent Zero는 사전에 정의된 역할에 묶이지 않은 개인용 에이전틱 프레임워크입니다.일반적인 AI 에이전트가 특정 목적이나 작업 흐름에 맞춰 설계되는 것과 달리, Agent Zero는 사용하면서 유기적으로 성장하고 학습하도록 설계되었습니다.핵심..
2025년 데이터베이스 산업 결산: PostgreSQL의 독주, AI 표준의 정착, 그리고 대격변의 한 해 2025년, 데이터베이스 업계에는 무슨 일이 있었을까?2025년은 데이터베이스 산업에 있어 분명한 전환점으로 기록될 해입니다.PostgreSQL의 영향력은 그 어느 때보다 커졌고, AI·LLM과 데이터베이스를 연결하는 표준이 사실상 업계 전반에 정착했습니다. 동시에 대형 인수합병과 스타트업 폐업이 이어지며 산업 구조 자체가 빠르게 재편됐습니다.이 글에서는 CMU(cs.cmu.edu)에서 정리한 2025년 데이터베이스 결산을 기반으로,올해 데이터베이스 업계에서 무엇이 바뀌었고, 왜 중요한지를 핵심 주제별로 정리합니다.PostgreSQL 중심으로 재편되는 데이터베이스 시장PostgreSQL, 사실상의 표준 DB로 자리 잡다2025년 PostgreSQL은 단순한 오픈소스 DB를 넘어 클라우드 DBaaS의 핵심..
LTX-2란 무엇인가? 오디오·비디오를 동시에 생성하는 오픈소스 Diffusion 기반 파운데이션 모델 영상 생성 AI는 이제 단순히 “영상만 만드는 기술”을 넘어, 소리와 화면을 동시에 자연스럽게 생성하는 단계로 진화하고 있습니다.이번 글에서는 Lightricks에서 공개한 LTX-2 모델을 중심으로, 이 기술이 어떤 배경에서 등장했는지, 어떤 특징을 가지는지, 그리고 실제로 어떻게 활용할 수 있는지를 정리합니다.LTX-2는 비디오와 오디오를 하나의 모델에서 동시에 생성할 수 있도록 설계된 Diffusion 기반 파운데이션 모델로, 오픈 웨이트(Open Weights)를 제공하며 로컬 환경 실행에 초점을 둔 것이 큰 특징입니다.LTX-2의 등장 배경과 개념오디오·비디오 생성의 통합 필요성기존의 생성형 AI 환경에서는 영상 생성 모델과 오디오 생성 모델이 분리되어 있는 경우가 많았습니다. 이로 인해 다음과..
로컬에서 직접 실행하는 자동화 플랫폼, Loopi(Local-First Typed Automation Platform) 소개 이 글에서는 Loopi라는 오픈소스 자동화 플랫폼이 무엇인지, 왜 기존 자동화 도구들과 다른지, 그리고 어떤 특징과 장점을 가지고 있는지를 정리합니다.Loopi는 로컬-퍼스트(Local-First) 철학을 기반으로, 실제 브라우저 자동화와 API 자동화를 하나의 시각적 워크플로우로 결합한 도구입니다. 개발자와 기술 블로그 독자 관점에서 Loopi의 개념, 구조, 주요 기능을 차근차근 살펴보겠습니다.Loopi란 무엇인가?Loopi는오픈소스, 로컬-퍼스트, 타입 기반(Typed) 자동화 플랫폼입니다.Electron 기반 데스크톱 애플리케이션으로 동작하며, Windows, macOS, Linux 환경에서 동일하게 사용할 수 있습니다. 단순한 API 자동화 도구가 아니라, 실제 Chromium 브라우저를 직접 ..
KnowGPT란 무엇인가? - 지식 그래프로 LLM 환각을 줄이는 차세대 프롬프팅 프레임워크 대규모 언어 모델(LLM)을 사용하다 보면, 그럴듯하지만 사실과 다른 답변을 생성하는 환각(hallucination) 문제를 자주 마주하게 됩니다. 특히 특정 도메인 지식이 필요한 질문일수록 이 문제는 더 두드러집니다.이 글에서는 이러한 한계를 해결하기 위해 제안된 KnowGPT라는 새로운 프레임워크를 소개합니다. KnowGPT는 Knowledge Graph(KG) 와 강화학습, Multi-Armed Bandit 기법을 결합해 LLM이 더 정확하고 신뢰할 수 있는 답변을 생성하도록 돕는 기술입니다.KnowGPT의 등장 배경부터 핵심 구조, 작동 방식, 그리고 실제 성능 결과까지 차근차근 정리해 보겠습니다.LLM의 한계와 KnowGPT가 등장한 배경LLM은 방대한 텍스트 데이터를 학습했지만, 모든 도메인 ..
Vibe Coding이란 무엇인가? - LLM 기반 자율 코딩 에이전트가 바꾸는 소프트웨어 개발 패러다임 코드를 읽지 않는 개발 방식의 등장최근 대규모 언어 모델(LLM)의 발전으로 코드 자동 생성은 더 이상 낯선 기술이 아닙니다. 하지만 이제 변화는 한 단계 더 나아가고 있습니다.개발자가 AI가 작성한 코드를 한 줄씩 검토하지 않고, 실행 결과와 동작을 관찰하며 검증하는 새로운 개발 방식, 바로 Vibe Coding입니다.이 글에서는 LLM 기반 자율 코딩 에이전트의 등장과 함께 제안된 새로운 개발 방법론인 Vibe Coding의 개념, 이론적 배경, 핵심 구성 요소, 개발 모델, 그리고 앞으로의 과제까지 논문에서 다룬 내용을 중심으로 정리합니다.Vibe Coding의 개념: 결과 중심 개발 방법론Vibe Coding은 기존의 “사람이 코드를 작성하고 검토하는 방식”에서 벗어나,AI가 코드 생성·수정·디버..
2026년, AI와 플랫폼 엔지니어링의 융합 - 개발자 생산성을 결정짓는 새로운 기준, 당신은 준비되어 있나요? 2026년을 앞둔 개발 조직의 중요한 변화2025년을 거치며 분명해진 사실이 하나 있습니다. AI는 개발자를 대체하는 존재가 아니라, 인간 중심의 개발 팀을 증폭시키는 도구라는 점입니다. 그리고 2026년을 향해 가는 지금, AI는 더 이상 단독 기술이 아닌 플랫폼 엔지니어링과 결합된 형태로 진화하고 있습니다.이 글에서는 2026년을 기점으로 본격화되는 AI와 플랫폼 엔지니어링의 결합, 그 배경과 이유, 실제 기업들의 활용 사례, 그리고 개발자 경험(DevEx)과 생산성에 어떤 변화를 가져오는지를 정리합니다.AI 도입의 핵심 기반, 플랫폼 엔지니어링이란?플랫폼 엔지니어링은 내부 개발자를 위한 내부 플랫폼(Internal Developer Platform, IDP) 을 구축해, 반복적인 작업을 표준화하고 ..
바이브코딩(Vibe Coding)이란 무엇인가? - 인간 개발자와 AI 코딩 에이전트의 협업 구조를 재정의하다 최근 인간 개발자와 AI 코딩 에이전트가 함께 소프트웨어를 만드는 새로운 개발 방식, **‘바이브코딩(Vibe Coding)’**에 대한 본격적인 연구 결과가 공개되었습니다.92페이지 분량의 설문조사 기반 논문은 단순히 “AI가 코드를 얼마나 잘 짜는가”가 아니라, 인간·에이전트·프로젝트 간 협업 구조를 어떻게 설계하느냐가 성공의 핵심임을 강조합니다.이 글에서는 해당 연구 내용을 바탕으로 바이브코딩의 개념, 협업 모델, 작업 스타일, 생산성 이슈와 해결책, 그리고 향후 시사점까지 정리해봅니다.바이브코딩이란?AI 성능을 넘어 ‘협업 설계’를 보는 개발 패러다임바이브코딩은 인간 개발자와 AI 코딩 에이전트가 지속적으로 상호작용하며 소프트웨어를 개발하는 방식입니다.연구에 따르면 성공적인 AI 지원 코딩은 에이..
중첩 학습(Nested Learning): 구글 리서치가 제시한 지속학습 AI의 새로운 패러다임 AI는 왜 ‘계속 배우는 구조’가 필요해졌을까최근 딥마인드 연구진은 “2026년은 지속학습의 해가 될 것”이라고 언급했습니다. 이 발언은 단순한 전망이 아니라, 현재 AI 연구의 흐름을 반영한 중요한 신호로 해석할 수 있습니다. 실제로 구글 리서치(Google Research)는 2023년 11월, 기존 딥러닝의 구조적 전제를 근본부터 다시 바라보는 **중첩 학습(Nested Learning, NL)**이라는 새로운 학습 패러다임을 제안했습니다.이 연구가 주목받는 이유는 명확합니다. 지금까지의 AI는 대규모 데이터를 학습한 뒤 고정된 상태로 사용되는 경우가 많았지만, 현실 세계는 끊임없이 변하고 데이터 역시 계속해서 갱신됩니다. 이러한 환경에서 AI가 실전에서도 유의미한 성능을 유지하려면, 학습이 끝나지..
728x90
반응형

티스토리툴바