Experience is everything.
신뢰하는 파트너
AI가 만드는 살아 있는 경험. 행사장에서, 교실에서, 국회에서, 공장에서—모든 현장을 경험의 무대로 바꿉니다.
보는 행사를 경험하는 행사로—AI 아르스 키오스크
정답 대신 선택하는 경험—토닥북
하나의 모델로 문서의 모든 것을—Core.OCR
AI가 맥락을 기억하는 의정지원 시스템
물리 법칙과 AI가 융합된 부식 검사
감정과 취향을 향기로—Hyscent AI 조향
플랫폼 솔루션 AI를 만드는 팀을 위한 기반—모델 API부터 배포 인프라까지.
모든 AI 모델을 API 하나로—Console
이미지 · 영상 · 음성 · LLM 330개 이상의 모델을 키 하나, 원화 크레딧 하나로 호출합니다.
기관의 GPU를 모두의 배포 플랫폼으로—Deploy
기관 서버에 설치하고, git push 한 번으로 GPU가 붙은 서비스 주소를 엽니다.
모든 현장을
경험의 무대로
행사장, 교실, 국회, 공장—어디든 코어닷투데이의 AI가 닿는 곳에서 사람들은 기술이 아닌 경험을 만납니다.
모두를 위한 AI 놀이터
이미지 · 영상 · 오디오 생성 모델 176개를 계정 하나, 크레딧 하나로. 카드 등록 없이 매월 300 크레딧으로 시작하세요.
경험을 만드는 기술 역량
AI는 무대 뒤에, 경험은 무대 위에—보이지 않는 기술이 살아 있는 가치를 만듭니다.
기술은 숨기고 경험만 보여주다
복잡한 알고리즘은 무대 뒤에, 매끄러운 경험은 무대 위에—코어닷투데이가 만드는 AI의 방식입니다.
경험하는 행사
단순히 보는 행사를 관람객이 직접 참여하는 다감각 몰입 경험으로 전환합니다. AI가 얼굴을 분석하고, 나만의 캐릭터와 포토카드, 향수까지 즉석 제작합니다.
선택하는 독서
아이의 선택이 이야기가 되는 의사결정 기반 독서. 수동 시청을 넘어 능동적 판단과 경험을 제공합니다.
어디로 갈까요?
질문하는 AI 비서
단순 키워드 검색을 넘어 과거 발언을 기억하고 맥락을 이해하는 AI 비서 경험을 제공합니다.
직관적 산업 관제
물리 법칙과 AI를 융합한 고도의 기술을, 현장 엔지니어에게는 한눈에 보이는 위험 지도 대시보드로 제공합니다.
고객의 막연한 상상을
현실로 빚어내는 수고로움
그것이 코어닷투데이의 존재 이유입니다.
보이지 않는 복잡한 알고리즘과 수고로움—데이터 정제, 물리 법칙 융합, 안전 체계 구축—은 무대 뒤에 감춰두고, 무대 위 고객에게는 오직 매끄럽고 감동적인 경험만을 선사합니다.
모든 산업에 경험을 입히다
코어닷투데이의 AI 경험 솔루션은 행사, 교육, 공공, 제조 등 다양한 산업 현장에 맞춤 적용됩니다. 어떤 분야든 사용자 경험 중심으로 재설계합니다.
신뢰하는 고객사
다양한 산업의 리더들과 함께합니다
코어닷투데이의 AI 키오스크를 도입한 후, 행사 참관객의 체류 시간이 3배로 늘었습니다. 관람객들이 직접 참여하며 즐기는 모습이 인상적이었습니다.
토닥북은 우리 아이가 스스로 생각하고 선택하게 만들었습니다. 영상만 보던 아이가 이제 이야기 속에서 직접 결정을 내리며 독서를 즐깁니다.
Sharp-PINN 덕분에 현장 엔지니어들이 복잡한 데이터 해석 없이도 즉각적인 의사결정이 가능해졌습니다. 위험 지도 하나로 전체 상황이 보입니다.
인사이트
최근 인사이트
코어닷투데이가 직접 실험하고 정리한 AI 기술 이야기를 기술 블로그에 공개합니다.
![[특집] 에이전트 마흔 대가 노트 한 권으로 배우는 법 — Combee와 병렬 프롬프트 학습, 그리고 '컨텍스트 과부하'](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fcmb-hero.webp&w=3840&q=75)
에이전트 마흔 대가 노트 한 권으로 배우는 법 — Combee와 병렬 프롬프트 학습, 그리고 '컨텍스트 과부하'
AI 에이전트가 가중치를 건드리지 않고 '노트'를 고쳐 쓰며 배우는 프롬프트 학습은 2025년 ACE·GEPA로 실력을 인정받았다. 그런데 에이전트 마흔 대를 동시에 돌려 그 경험을 한꺼번에 노트에 반영하려 하자 이상한 일이 벌어졌다. 회고를 많이 넣을수록 노트가 얇아지고, '셋째 자리가 5 이상이면 올린다' 같은 알짜 요령은 사라지고 '꼼꼼히 확인하라'만 남았다. 버클리·스탠퍼드 연구진이 COLM 2026에 낸 Combee는 이 '컨텍스트 과부하'를 병렬 스캔, 복제 셔플, 동적 배치 조절이라는 세 가지 분산 컴퓨팅의 지혜로 푼다. 이 글은 인컨텍스트 학습에서 ACE·GEPA까지의 계보, 과부하가 왜 생기는지, Combee의 설계를 MapReduce와 프리픽스 합의 역사와 함께 풀고, 논문의 표를 전부 다시 읽어 '최대 17배'가 무엇과 비교한 숫자인지 따진 뒤, 수천 대의 에이전트가 일하는 2026년에 이 기술이 맡을 자리를 인터랙티브 6개와 일러스트 14장으로 설명한다.
![[특집] 워크플로를 버리지 말고 저금하라 — FlowBank, 문제마다 맞는 에이전트 워크플로를 '미리 만들어 골라 쓰는' 법](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Ffb-hero.webp&w=3840&q=75)
워크플로를 버리지 말고 저금하라 — FlowBank, 문제마다 맞는 에이전트 워크플로를 '미리 만들어 골라 쓰는' 법
에이전트 워크플로를 자동으로 설계하는 방법은 지금까지 두 갈래였다. 오프라인에서 수십 개를 찾아 1등 하나만 배포하는 '과제 수준' 방식과, 질문이 올 때마다 새 워크플로를 즉석에서 짜는 '질의 수준' 방식이다. 메릴랜드대·아마존 연구진의 FlowBank(arXiv 2606.11290)는 둘 다 낭비가 있다고 지적한다. 버려진 후보들이 1등이 못 푼 문제를 풀고, 비싼 즉석 설계가 푸는 문제의 상당수는 미리 만든 싼 워크플로로도 풀린다. 그래서 '서로 다른 문제를 푸는' 워크플로 몇 개를 은행처럼 저금해 두고 문제마다 골라 보내자는 것이다. 이 글은 공식 저장소의 실제 데이터(MATH 후보 31개 × 119문제, 벤치마크별 테스트 예측 파일)를 직접 다시 계산하며 DiverseFlow·CuraFlow·그래프 매칭 세 단계를 풀어 보고, 1976년 '알고리즘 선택 문제'와 1997년 '알고리즘 포트폴리오', SAT 대회를 휩쓴 SATzilla에서 2025년 GPT-5 라우터까지 이어지는 계보 속에 이 논문을 놓는다. 또 표 1 수치가 저장소와 정확히 맞는다는 것, 그러나 선택기 체크포인트가 검증 세트 없이 테스트 점수로 골라졌다는 것까지 확인했다. 인터랙티브 6개와 일러스트 12장, 논문 그림 8장으로 2026년 '스킬'의 시대에 이 생각이 어떤 의미인지 정리한다.
![[특집] 점수 대신 첨삭으로 배운다 — GEPA, 프롬프트가 스스로 진화해 강화학습을 이긴 방법](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fgepa-cover.webp&w=3840&q=75)
점수 대신 첨삭으로 배운다 — GEPA, 프롬프트가 스스로 진화해 강화학습을 이긴 방법
강화학습은 시도 한 번에 점수 하나를 받는다. 그런데 AI가 일한 흔적은 전부 글이다 — 생각의 과정, 도구 호출, 컴파일러 오류 메시지까지. 그렇다면 점수 대신 그 글을 읽고 배우게 하면 어떨까? UC 버클리·스탠퍼드·MIT 등 17명이 쓴 GEPA(ICLR 2026 구두 발표)는 이 질문에 답한다. 실패한 기록을 언어 모델이 직접 읽고 반성해 프롬프트를 고치고, 고친 프롬프트들을 '문항별 1등'이라는 파레토 기준으로 살려 두며 진화시킨다. 그 결과 여섯 과제에서 가중치를 고치는 강화학습(GRPO, 24,000 롤아웃)보다 평균 6점, 최대 20점 높았고, 롤아웃은 최대 35배 적게 썼다. 이 글은 '생각해 보자, 차근차근'이라는 주문에서 시작한 프롬프트 최적화의 역사, 반성·진화·파레토라는 세 기둥, 논문의 표와 그림, 수학 문제에서는 강화학습에 진 이유, 그리고 에이전트가 경험을 글로 쌓아 가는 2026년에 이 아이디어가 맡는 역할을 인터랙티브 6개와 일러스트 13장으로 풀어 본다.
경험을 함께 만들어 볼까요?
행사, 교육, 공공, 산업—어떤 현장이든 코어닷투데이의 AI가 살아 있는 경험으로 바꿔 드립니다.