75건의 항목
intent.md는 무언가를 만들기 전에 무엇을 왜 원하는지 만드는 사람의 말로 적어 두는 짧은 문서다. 문제, 바라는 결과와 완료 확인 방법, 영향 범위, 제약, 범위 밖, 미정 사항을 적고 구현 방법은 적지 않는다. 에이전트에게 먼저...
코드 작성이 더 이상 병목이 아니게 되면서 병목은 구현 전후에 사람이 처리하는 단계(plan·review/test·deploy), 사람이 코드 한 줄씩 검토하는 방식, 주간·월간 위원회를 거치는 승인 절차로 옮겨간다. AI-native...
Jev는 TypeSafe AI의 첫 "System One" 모델로, 문장을 생성하는 대신 타입이 정해진 결정을 반환한다. 콘솔에서 State(맥락)와 Questions(타입 질문)를 넣으면 각 답이 확률·선택·점수로 나...
Claude Code의 두 설정 model과 effort는 서로 다른 것을 조절한다. 모델은 고정된 가중치를 고르는 선택이고, 그 가중치가 출력 토큰당 비용도 정한다. effort는 한 요청에서 Claude가 얼마나 많은 일을 하는지,...
세션 비용은 토큰 하나의 가격과 세션이 보내는 토큰 수로 정해진다. 토큰 하나의 가격은 모델, 입력인가 출력인가, 캐시 여부가 정한다. 출력은 decode가 한 토큰씩 순차라 입력의 약 5배다. 캐시는 요청의 prefix가 같을 때 적중...
Entity Linking은 문장 속 이름이 현실의 어느 대상을 가리키는지 찾아 지식베이스의 고유 항목과 연결하는 작업이다. 먼저 연결할 표현을 찾고(MD), 문맥에 맞는 대상을 고른다(ED). 맞는 항목이 지식베이스에 없으면 NIL로...
RDF(Resource Description Framework)는 자원에 관한 진술을 그래프로 표현하는 데이터 모델이다. 진술 하나는 (주어, 술어, 목적어) 트리플로 기록한다. 술어는 관계의 의미를 나타내고, 목적어에는 다른 자원이나...
인증·인가에 쓰는 토큰(token)은 요청에 담아 보내는 문자열 자격증명이다. 참조 토큰은 저장소 조회로 검증하며 서명형 JWT는 서명과 클레임을 검증한다. JWT는 세션 저장소를 매번 조회하지 않고 검증할 수 있다. 다만 개별 토큰의...
쿠키(cookie)는 브라우저가 저장했다가 전송 조건이 맞는 요청에 자동으로 붙이는 작은 키-값이다. 쿠키는 클라이언트의 저장·운반 수단이고 세션은 여러 요청에 상태를 연결하는 논리적 범위다. 흔히 쿠키가 세션 식별자를 실어 나르지만 둘...
세션(session)은 여러 메시지나 요청을 같은 상호작용으로 묶고 그 범위에 적용할 상태(state)를 찾게 한다. 세션을 하나의 기억 단위로 볼 수는 있지만 정확히는 어떤 기억을 이어 쓸지 정하는 논리적 범위로 보는 편이 정확하다....
MCP는 JSON-RPC 메시지를 실어 나르는 전송으로 stdio와 Streamable HTTP 두 가지를 쓴다. stdio는 로컬 통합에 맞는다. 클라이언트가 서버를 subprocess로 띄워 해당 프로세스와 1:1로 쓰며(해당 프로세...
MCP는 한 번의 도구 호출을 Host, Client, Server라는 구분된 세 역할로 나눠 처리한다. 외부 서비스는 Server 뒤의 선택적 backend일 뿐 MCP 참여자가 아니다. Host는 앱 전체를 조정하는 컨테이너다. LL...
MCP의 클라이언트-서버 통신은 JSON-RPC 2.0 메시지로 이뤄진다. 요청은 jsonrpc·method·id를 갖고(params는 선택), 응답은 같은 id로 result 또는 error를 돌려준다. id가 없는 요청은 응답을 받지...
일반적인 agent loop에서 도구 발견과 실행은 결정적 애플리케이션 코드가 맡고, 도구 선택은 LLM이 맡는다. 다만 Host 정책이나 사용자 승인이 최종 선택을 제한하거나 직접 개시할 수 있다. 목록 조회·수신은 Client 코드가...
Model Context Protocol 2026-07-28 사양은 initialize/initialized 핸드셰이크와 Mcp-Session-Id 기반 프로토콜 세션을 제거했다. 버전·능력은 각 요청의 meta에 담는다(protocol...
Anthropic과 OpenAI는 2026년 프런티어 모델을 안전장치를 적용한 범용 플래그십과 일부 안전 제약을 낮춘 사이버 특화 모델로 나누는 같은 전략에 수렴했다. Anthropic은 같은 모델을 안전장치 유무에 따라 Fable 5....
eli5는 어떤 주제든 "아무것도 모르는 사람"에게 설명하는 자기완결 HTML 그림 설명서로 변환하는 스킬이다. 실체는 지시문 3줄짜리 순수 프롬프트 스킬로, 번들 코드·스크립트·레퍼런스가 없다. 기본 렌더 타깃은 Cl...
ADR은 소프트웨어 아키텍처의 중요한 선택 하나와 그 맥락·결과를 기록하는 문서이고, ADR이 쌓이면 프로젝트의 결정 로그가 된다. 최소 항목은 Context, Decision, Consequences 세 가지이며, 구현 방법보다 결정의...
ADR(Architectural Decision Record)은 중요한 아키텍처 결정 하나의 맥락, 선택, 결과를 보존하는 문서다. 현재 시스템의 동작 방식은 코드와 설계 문서가 보여주고, ADR은 결정 당시 그 선택을 한 이유를 남긴다...
부트스트랩(bootstrap) 은 표본 하나만으로 평균 같은 통계량이 표본마다 얼마나 흔들리는지 재는 재표집(resampling) 방법이다. 가진 표본을 모집단 대신으로 보고 값을 되돌려 놓으며 다시 뽑는 복원추출로 가짜 표본을 수천 개...
순열 검정(permutation test) 은 분포 가정 대신 데이터를 직접 재배열해 귀무가설 분포를 만들고, 관측 통계량이 그 분포에서 얼마나 극단적인지로 p-value를 세는 비모수 검정이다. 핵심 전제는 교환가능성(exchangea...
하네스(harness)는 AI 에이전트에서 모델을 제외한 나머지 전부를 가리킨다. 하네스 엔지니어링은 실행 환경 — 지시, 도구, 검증, 상태 — 을 설계하고 반복적으로 개선해, 에이전트가 같은 실수를 구조적으로 다시 못 하게 만드는 실...
SKU는 재고·판매·발주를 추적하기 위해 조직 내부에서 정의하는 상품/재고 관리 단위다. 예측과 메트릭에서는 SKU 자체보다 SKU에 매장, 채널, 날짜 등이 결합된 관측 단위가 중요하다.
시계열 예측에서 univariate, multivariate, multivariable은 타깃 개수와 입력 변수 개수를 섞어 쓰기 때문에 혼동된다. "univariate target with multivariate input&q...
Claude Code, Codex 같은 코딩 에이전트의 반복 실패를 줄이려고 엔지니어링 절차를 작은 skill 단위로 묶은 저장소다. 저자가 강조하는 것은 한 줄 프롬프트의 품질보다 에이전트가 같은 엔지니어링 절차를 반복하게 만드는 작업...
Regime shift는 시계열의 통계적 특성이 특정 시점 이후 달라지는 현상을 넓게 부르는 말이다. 엄밀한 분석에서는 structural break, level shift, trend change, variance change, reg...
Rolling-origin evaluation은 예측 기준일을 시간 순서대로 이동시키며 여러 번 평가하는 방법이다. 단일 cutoff의 운을 줄이고, 미래 정보가 과거 학습에 섞이는 것을 막는다.
시계열 데이터는 시간 순서가 의미를 갖고, 이전 관측값이 이후 관측값에 정보를 제공하는 데이터다. 이 때문에 일반 i.i.d. 데이터처럼 무작위로 섞어 학습·검증하면 시간 leakage가 생길 수 있다.
시계열 분해는 관측값을 추세(trend), 계절성(seasonality), 잔차(residual)로 나누어 본다. 예측 모델의 feature와 오류 분석을 구조적으로 해석하는 데 유용하다.
시계열 예측에서 feature는 예측 시점에 알 수 있었는지를 기준으로 나눠야 한다. Future-known feature는 미래 기간의 값을 미리 알 수 있는 변수이고, past-only feature는 시간이 지나야 관측되는 변수다.
시계열 예측에서는 언제 예측을 시작하는지와 얼마나 먼 미래를 예측하는지를 먼저 정해야 한다. 시계열 feature와 target은 항상 cutoff 기준으로 정의해야 한다.
Multi-horizon forecasting은 하나의 예측 기준 시점에서 여러 미래 시점을 예측하는 문제다. recursive, direct, DirRec, MIMO 전략은 오류 누적과 학습 구조가 다르다.
내생변수는 예측 대상 자체 또는 그 과거에서 나온 정보이고, 외생변수는 시스템 밖에서 주어지는 설명 변수다. 외생변수도 예측 시점에 알 수 있는지에 따라 사용 가능성이 달라진다.
정상성은 시간을 옮겨도 시계열의 통계적 성질이 그대로 유지된다는 뜻이다. 값 자체가 일정하다는 뜻은 아니다. 약정상성(weak stationarity)에서는 평균과 분산이 일정하고, 두 시점 사이의 관계(자기공분산)는 관측 시점과 상관없...
1-MAPE는 MAPE를 "정확도"처럼 보이게 뒤집은 보고용 표현이다. 새 메트릭이 아니므로 MAPE의 한계를 그대로 물려받고, MAPE가 1을 넘으면 음수가 된다.
Fill Rate(주문 충족률)는 예측 정확도 지표가 아니라, 고객이 요청한 수량 중 실제로 얼마나 충족했는지 를 보는 공급망 운영 지표다. 수요 예측은 Fill Rate에 간접적으로 영향을 준다. 과소예측은 결품을 만들고, 과대예측은...
Forecast Bias는 예측이 누적으로 과대인지 과소인지를 보는 signed metric이다. 이 노트에서는 forecast-minus-actual convention을 사용한 normalized forecast bias를 다룬다....
MAPE는 절대 오차를 실제값으로 나눈 뒤 평균낸 상대 오차 메트릭이다. 스케일 독립적으로 해석하기 쉽지만, 실제값이 0 또는 0에 가까울 때 값이 크게 흔들린다.
Pinball Loss는 특정 분위수(quantile)를 예측하기 위한 비대칭 절대 오차 손실이다. \tau=0.5에서는 0.5|y-\hat{y}|가 되며, 평균 Pinball Loss에 2를 곱하면 MAE가 된다. \tau를 낮추면 낮...
WAPE(가중 절대 퍼센트 오차)는 &039;전체 수요(실제값의 합)&039; 대비 &039;전체 오차&039;가 얼마나 되는지를 보는 총량 기준의 예측 평가 지표다. 개별 건마다 오차율을 평균 내는 MAPE와 달리, 판매량이 많거나 규...
표준편차는 분산의 제곱근이다. 분산은 단위가 제곱되어 직관적으로 읽기 어렵기 때문에, 원래 데이터와 같은 단위로 퍼짐을 해석하려고 표준편차를 사용한다.
공분산 행렬은 여러 변수의 분산(variance)과 공분산을 한 행렬에 모은 구조다. 대각 원소는 각 변수의 분산이고, 비대각 원소는 변수 쌍 사이의 공분산이다.
분산은 값들이 평균 주변에서 얼마나 퍼져 있는지를 측정한다. 각 값과 평균의 차이를 제곱해서 평균내므로 항상 0 이상이다. 값이 클수록 데이터가 평균에서 멀리 흩어져 있다.
공분산은 두 변수가 평균을 기준으로 같은 방향으로 움직이는지, 반대 방향으로 움직이는지를 측정한다. 양수이면 대체로 같이 커지고 같이 작아지는 경향, 음수이면 한쪽이 클 때 다른 쪽은 작아지는 경향이다. 다만 단위가 남아 있어서 크기 자...
Pearson 상관계수는 두 숫자 변수가 같이 커지고 같이 작아지는지를 -1부터 1 사이 숫자로 요약한다. 정확히는 두 변수의 선형 관계(linear relationship) 를 측정한다. 핵심은 "두 변수가 평균을 기준으로 같...
Spearman 순위상관계수는 두 변수의 원값을 순위로 바꾼 뒤 계산하는 상관계수다. 선형 관계가 아니라 단조 관계를 측정하므로, 값의 간격보다 순서가 중요한 데이터나 비선형 단조 관계에 적합하다.
WIS 2026에서 AI는 챗봇, Agent, 피지컬 AI, AICC, GPU 인프라, 개발·운영 플랫폼까지 넓은 범위로 전시되었다. 핵심은 AI 자체보다 고객 채널, 업무 프로세스, 운영 구조 안에서 AI가 어떤 역할을 맡는가였다.
JSON 값(value) 은 JSON 문법에서 허용하는 최상위 데이터 단위이며, 객체·배열·문자열·숫자·true·false·null을 모두 포함한다. JSON 객체(object) 는 중괄호({}) 안에 이름/값 쌍을 담는 구조화 타입으로...
SSE는 HTTP 응답 스트림 위에서 서버가 클라이언트로 이벤트를 보내기 위한 이벤트 스트림 프레이밍 규격이다. NDJSON은 JSON 값을 LF(\n) 또는 CRLF(\r\n) 줄 구분자로 하나씩 나열하는 줄 단위 데이터 포맷이다. 주...
스레드는 하나의 프로세스 안에서 실행되는 실행 흐름이다. 운영체제 수준 스레드는 같은 프로세스의 주소 공간을 공유하되, 각자 stack과 실행 상태를 가진다.
프로세스는 운영체제가 실행 중인 프로그램 인스턴스를 관리하기 위해 만든 실행·자원·보호 경계다. 보통 독립된 가상 주소 공간을 가지며, 실제 실행 흐름은 하나 이상의 스레드로 표현된다.
Contribution: 125개 Item으로 Python 3.13 기준의 실무 관용구를 체계적으로 정리한 레시피북 Pros: 필요한 장만 발췌해 읽기 좋은 구조, 예외·동시성·테스트 같은 실무 주제가 간결한 권고로 정리, AI 시대 관...
UTF-8은 유니코드 코드 포인트 범위(U+0000부터 U+10FFFF까지) 중 surrogate code point range (U+D800부터 U+DFFF까지)를 제외한 유효한 코드 포인트, 즉 Unicode Scalar Value를...
ASCII는 7비트 이진 코드를 사용하는 문자 인코딩 표준으로, 총 128개의 문자를 정의한다. 제어 문자(33개)와 출력 가능 문자(95개)로 구성되며, 현대 가변 길이 인코딩(UTF-8 등)의 근간이 된다. 0~127 범위의 코드 포...
SSE는 HTTP 연결을 유지한 상태로 서버가 클라이언트에 실시간 이벤트를 푸시하는 단방향 스트리밍 프로토콜이다. text/event-stream 미디어 타입과 UTF-8 인코딩을 사용하며, 단순 텍스트 기반 필드 구조를 가져 구현이 가...
NDJSON은 여러 JSON 인스턴스를 줄바꿈(\n)으로 구분하여 스트리밍 환경에서 메모리 효율적으로 처리할 수 있게 설계된 데이터 포맷이다. 개별 행은 유효한 단일 JSON 값이어야 하며, 전체 문서는 UTF-8로 인코딩되어야 한다.
Contribution: Training-free negation-aware retrieval — encoder 고정 상태에서 query embedding을 contrastive loss로 직접 최적화하여 부정/제외 쿼리 처리 Pros:...
무엇인가: Vision-Language Model(VLM)의 부정(Negation) 이해 능력을 평가하기 위해 이미지, 비디오, 의료 도메인을 아우르는 79K 예제로 구성된 대규모 멀티모달 벤치마크. 왜 중요한가: 최신 VLM들이 부정...
Neuro-Symbolic IR (NS-IR) 은 신경망의 의미적 매칭 능력과 기호 논리의 구조적 해석 능력을 결합한 하이브리드 검색 패러다임이다. 기존 Dense Retrieval이 취약한 부정(Negation), 불리언 로직(Bool...
1차 논리(FOL)는 객체에 대한 진술을 상수·변수·술어·양화사로 구조화하여, 속성·관계·일반 규칙을 형식적으로 표현하고 추론할 수 있게 하는 논리 체계이다.
무엇인가: 부정 제약 조건(Negative constraints)을 포함하는 복합 쿼리에 대한 정보 검색(IR) 시스템의 성능을 평가하기 위한 벤치마크 데이터셋. 왜 중요한가: 기존 Dense Retriever가 논리적 부정("...
Contribution: fine-tuning/외부 정보 없이 범용 LLM만으로 동작하는 3단계 hallucination 억제 ASR 교정 프레임워크 (Pre-Detection + CoT Subtask + Verification) Pro...
Policy gradient의 목표는 기대 return J(\theta)를 최대화하는 것이다. log-derivative trick을 쓰면 gradient를 trajectory 분포 위의 기댓값 형태로 바꿀 수 있다. baseline과...
Cohen&039;s Kappa (\kappa) 는 두 평가자 간의 범주형 판정 일치도를 우연에 의한 일치 확률을 보정하여 측정하는 지표다. 단순 일치율의 한계를 보완하여 데이터 라벨링의 신뢰성이나 사람 평가(Human Evaluatio...
AI 에이전트의 컨텍스트 부족 문제를 구조적으로 해결하는 패턴이다. Markdown 폴더 구조를 통해 에이전트에게 특정 작업 절차와 도메인 지식을 주입한다.
Base64는 8비트 이진 데이터를 64개의 안전한 ASCII 인쇄 가능 문자로 변환하는 인코딩 방식이다. 3바이트(24비트)를 6비트씩 쪼개어 4개의 문자로 매핑하며, 원본 대비 데이터 크기가 약 33% 증가한다. 바이너리 데이터를 S...
무엇인가: 복수 정답을 허용하는 한국어 환각 판별 능력을 평가하기 위한 2,170개 규모의 객관식 벤치마크 데이터셋. 왜 중요한가: 단일 정답 위주의 기존 평가 방식과 달리, 실제 문서에서 발생할 수 있는 여러 환각 문장을 동시에 식별하...
무엇인가: OpenAI가 Let&039;s Verify Step by Step에서 held-out 평가셋으로 사용한 500개의 수학 문제 서브셋. 왜 중요한가: OpenAI의 "Let&039;s Verify Step by Ste...
Contribution: BERT contextual embedding 기반의 text generation 자동 평가 메트릭. n-gram exact match 대신 token-level cosine similarity로 의미적 유사성...
BERTScore는 PLM의 Contextual Embedding을 활용하여 토큰 레벨의 의미적 유사성을 평가하는 지표다. Greedy Matching과 IDF 가중치를 결합하여 어휘 일치를 넘어선 문맥적 유사도를 산출한다.
모수적(parametric) 방법은 데이터가 고정된 수의 모수로 정의되는 분포족(정규분포 등)을 따른다고 가정한다. 가정이 맞으면 적은 데이터로 효율적이고 해석이 쉽지만, 틀리면 편향된다. 비모수적(non-parametric) 방법은 특...
선택한 조건에 맞는 노트가 없어요
필터를 줄이거나 아래에서 조건을 해제해 보세요.