Posts

LLM 에이전트의 구성, 협력, 진화를 다루는 Build-Collaborate-Evolve 프레임워크 소개

훈련이 아닌 추론 시점에서 더 많은 계산 자원을 사용하여 성능을 향상시키는 새로운 패러다임

OpenAI o1과 유사한 성능을 달성한 오픈소스 모델. 특히 R1-Zero는 순수 강화학습만으로 추론 능력이 자동 출현

기존 모델과 달리 사고 과정을 노출하지 않고, 내부적으로 깊은 추론 후 결과만 출력하는 '생각하는' AI

LLM의 내부 지식만 사용하는 대신, 외부 데이터베이스에서 관련 정보를 검색하여 응답 생성에 활용합니다

Multi-Agent Debate에 공유 지식 풀을 도입하여 토론 품질을 향상시킵니다

여러 AI 에이전트가 서로 토론하며 문제를 해결합니다. 다양한 관점과 상호 검증으로 더 나은 답에 도달합니다

Tree of Thought, ReAct, Reflexion, Monte Carlo Tree Search를 모두 통합한 강력한 에이전트 프레임워크

모델 자체 판단이 아닌, 외부 도구(검색, 코드 실행, 계산기)를 사용해 답변을 검증하고 개선합니다

같은 모델에게 피드백을 요청하고, 그 피드백을 바탕으로 답변을 반복 개선합니다

실패한 시도를 언어로 분석하고 메모리에 저장하여, 다음 시도에서 같은 실수를 반복하지 않습니다

Reasoning + Acting - 생각한 후 도구를 사용하고, 결과를 관찰하는 순환 구조

Let's think step by step - LLM에게 생각하는 과정을 보여주는 것만으로 성능이 2배 향상됩니다

Chain of Thought부터 OpenAI o1까지 - AI 에이전트의 주요 발전을 정리합니다

하나의 경로만 따라가지 않고, 여러 가능한 경로를 동시에 탐색하여 최적의 해결책을 찾습니다

모니터링, 비용 최적화, 네트워킹 고려사항, 트러블슈팅 가이드와 실제 사례 연구

AWS, GCP, Azure에서의 Blue/Green 구현과 GitHub Actions, GitLab CI 자동화 파이프라인

순수 Kubernetes 리소스, Argo Rollouts, Istio를 활용한 Blue/Green 배포 구현과 DB 마이그레이션 전략

Blue/Green 배포의 개념, 다른 전략과의 비교, 장단점, 그리고 Feature Flag와의 차이점까지

멀티 스테이지 빌드, 이미지 보안, 고급 스케줄링, 서비스 매쉬

Service, Ingress, PV/PVC, 롤링 업데이트, RBAC

컨테이너 오케스트레이션, 아키텍처

음수 가중치 그래프에서 최단 경로와 음수 사이클 검출

음수 가중치 없는 그래프에서 최단 경로 찾기 - 우선순위 큐 활용 구현

Kruskal과 Prim 알고리즘으로 MST 구현

읽기 성능 최적화를 위한 반정규화 기법과 적용 시 고려사항

인덱스 타입, 부분 인덱스, Full Text Search, JSON 인덱싱 차이

대용량 테이블 성능 최적화를 위한 MySQL 파티셔닝 전략

Django 기본 Paginator, 커스텀 페이지네이션