TECH BLOG
기술 블로그
AI 기술 인사이트와 엔지니어링 경험을 공유합니다.
EDITOR'S PICK
에디터 추천

Edge AI vs Cloud AI 특집 (Part 2): 자율주행, 스마트 팩토리, 그리고 내 주머니 속의 AI
Tesla의 FSD 칩은 초당 2,300프레임을 처리하고, 스마트 팩토리는 고장을 2시간 전에 예측하며, Galaxy S26는 스캠 전화를 실시간으로 감지한다. 모두 Edge AI 덕분이다. 하드웨어부터 실전 응용, 한국 생태계까지.

Mamba SSM 완전 정복: Transformer의 왕좌를 위협하는 '선택적 기억'의 혁명
Transformer가 AI의 전부인 줄 알았다. 그런데 '모든 토큰을 다 기억하는 것'이 정말 최선일까? 제어 이론에서 출발한 상태 공간 모델이 '선택적 기억'이라는 무기로 AI의 판도를 바꾸고 있다.

질문을 미리 배운 검색 — 애플 '상각 MIPS'가 RAG 검색을 빠르게 만드는 법, 지지 함수부터 한국어 실측까지
애플 머신러닝 연구팀이 2026년 11월 5일 「Faster Retrieval for Better, More Efficient RAG」를 올렸습니다. RAG의 맨 밑바닥에서 돌아가는 '최대 내적 검색(MIPS)'을, 색인을 더 잘 짓는 대신 '들어올 질문을 미리 배우는' 신경망으로 빠르게 하자는 제안입니다. 핵심은 볼록 해석의 오래된 도구인 지지 함수입니다. 문서 집합에 대한 최고 점수는 질문의 볼록 함수이고, 그 기울기가 곧 정답 문서입니다. 그래서 점수를 배우는 SupportNet은 방(클러스터) 고르기에, 정답 위치를 바로 배우는 KeyNet은 질문 고쳐 쓰기에 씁니다. Natural Questions 260만 문단에서 같은 품질을 1.9배·8배 빠르게 냈다는 결과입니다. 이 글은 50년 근사 검색의 역사에서 이 아이디어가 왜 나왔는지, 논문 그림과 수식을 하나씩 풀고, 연산량으로 다시 셈한 비용, 공개 코드의 시험셋 구성, 생성 질의라는 데이터의 성격까지 따져 봅니다. 그리고 KorQuAD 6만 질문·2만 8천 문단과 KURE-v3로 KeyNet과 라우터를 직접 학습해 쟀습니다. 논문 방식의 시험(학습 질문의 잡음 복제본)에서는 방 하나로 정답 방을 고르는 비율이 46.7%에서 KeyNet 60.0~69.8%, 라우터 76.7%로 뛰었지만, 같은 시험에서 '가장 비슷한 학습 질문의 답 베끼기'가 96.3%였습니다. 처음 보는 질문에서는 KeyNet의 이득이 1~5%포인트로 줄고 라우터는 12%포인트를 지켰으며, 처음 보는 문서의 질문에서는 KeyNet이 8~10%포인트 손해를 봤습니다. 인터랙티브 7개, 삽화 12장.

디자이너·프론트엔드를 위한 Codex — 화면을 보고 고치는 AI (Codex Use Cases 특집 3)
프론트엔드의 진짜 난제는 '코드는 맞는데 화면이 안 맞아'다. Codex가 비주얼 피드백 루프, Figma 구조 추출, 초고속 Codex-Spark, 목업·PoC·배포·브라우저 게임으로 디자이너·프론트엔드 작업을 어떻게 바꾸는지 실제 프롬프트와 사례로 풀어봅니다. Codex Use Cases 특집 3편.
ALL POSTS
모든 포스트
![[특집] 게임의 다음 기원 설화 — 인디 개발자·예언자형 툴메이커·세계를 짓는 스튜디오, AI는 세 원형을 지우는가 키우는가](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fgos-cover.webp&w=3840&q=75)
[특집] 게임의 다음 기원 설화 — 인디 개발자·예언자형 툴메이커·세계를 짓는 스튜디오, AI는 세 원형을 지우는가 키우는가
2026년 11월 12일 a16z가 「게임의 다음 기원 설화」라는 짧은 글을 냈다. 게임 산업이 사랑하는 세 원형 — 골방의 인디 개발자, 남들이 쓸 도구를 먼저 만든 예언자형 툴메이커, 수백 명이 수년 걸려 세계를 짓는 스튜디오 — 를 AI가 지우는 게 아니라 셋 다 가속한다는 주장이다. 원문의 2×2 지도(만들기·발명·복원·확장)를 따라가며, 여덟 살 아이의 마인크래프트 모드부터 에이전트 16대가 석 달 동안 1인칭 슈팅 게임을 바이트 단위로 되살린 디컴파일 실험, 에픽과 Xbox의 조직 재편, 1980년 「로그」에서 2026년까지의 계보, 개발자 52%가 AI를 해롭다고 보는 2026년의 분위기까지 함께 읽는다. 위젯 6개로 사분면 분류, 1인 개발 병목, 바이트 일치 오라클, 시제품 포트폴리오, 롱테일 산수를 직접 만져 본다.
![[특집] 거의 뭐든 만들 수 있게 됐다, 그럼 무엇을 만들 가치가 있나 — '즐거운 오후'와 '계속되는 책임' 사이, 고르는 기술의 역사와 실험](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fwwb-cover.webp&w=3840&q=75)
[특집] 거의 뭐든 만들 수 있게 됐다, 그럼 무엇을 만들 가치가 있나 — '즐거운 오후'와 '계속되는 책임' 사이, 고르는 기술의 역사와 실험
"내가 무언가를 만들 수 있다는 걸 발견하는 즐거움과, 그것이 계속 존재하도록 책임지겠다는 결정은 꽤 다른 약속이다. 하나는 즐거운 오후면 된다. 다른 하나는 언젠가 다른 시간대의 누군가에게 비밀번호 재설정 메일을 설명하는 일이 된다." 영화에서 마케팅으로, 다시 AI로 만드는 사람이 된 잭 크메일의 2026년 11월 에세이는 만드는 값이 무너진 뒤에 남는 질문을 붙잡습니다. 데모는 무엇을 증명했는가, 나는 배움·내 도구·사업 가운데 무엇을 바라는가, 지금 당장 누가 이걸 원하는가, 성공하면 그 일을 하고 싶은가. 이 특집은 원문의 여섯 절을 브룩스의 '아홉 배' 법칙과 프리토타이핑, 폴 그레이엄의 우물, 이케아 효과·소유 효과·계획 오류 실험, 집밥 소프트웨어의 계보, 2025~2026년 앱스토어·Show HN·구독 앱 매출 데이터와 한국의 창업·생존율 통계에 겹쳐 읽습니다. 인터랙티브 위젯 6종(병목 이동 모형, 데모 질문 가려내기, 세 그릇 자가 점검, 인터뷰 질문 판별, 성공 이후 시간 계산기, 한 장 메모 작성기)과 함께.
![[특집] Gemini 4 Hydrogen 해부 — 가장 가벼운 원소에게 '실행'을 맡긴 이유, 그리고 Claude·GPT와의 비교](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fhyd-cover.webp&w=3840&q=75)
[특집] Gemini 4 Hydrogen 해부 — 가장 가벼운 원소에게 '실행'을 맡긴 이유, 그리고 Claude·GPT와의 비교
구글이 11월 12일 Gemini 4 Hydrogen을 내놓으면서 제미나이 4세대가 처음으로 무료 사용자와 구글 검색 전체에 들어갔습니다. Hydrogen은 '가장 똑똑한 모델'이 아니라 '가장 빨리 일을 끝내는 모델'입니다. 이 글은 발표문, 8쪽 모델 카드, 4쪽 평가 방법 문서, 78쪽 안전 보고서, 그리고 Artificial Analysis·Vals·Terminal-Bench 리더보드를 맞춰 읽은 특집입니다. 2006년 '모델 압축'과 2015년 힌턴의 지식 증류에서 시작해 Flash 계보, 친칠라 이후의 '쓰는 값까지 계산하는' 설계, 생각 수준의 역사, 큰 모델과 작은 모델이 일을 나누는 오케스트레이터까지 풀었습니다. 발표문 GIF 차트 다섯 장을 멈춰 놓고 점을 다시 읽으면, 같은 점수를 가장 싸게 낸 모델은 GPT-6.1 Terra였고 Hydrogen의 무기는 값이 아니라 시간이라는 것이 보입니다. 터미널 작업에서는 xhigh가 high와 점수가 같았습니다. Vals 법률 시험의 '공동 1위 55.8%'는 사실 Carbon의 점수였고, 정직성 수치는 하루 만에 96.7%에서 94%로 조용히 바뀌었습니다. Claude Sonnet 5.5·Haiku 5.5, GPT-6.1 Terra·Luna와 가격·성능을 나란히 놓고, 일마다 무엇을 어떤 수준으로 쓸지 정리했습니다. 인터랙티브 6개, 일러스트 12장, 원문 그림 9장.
![[특집] 동기화의 힘 — 세스 고딘 깊이 읽기: 함께 맞추는 시간, 따로 쓰는 시간, 그리고 새벽 3시의 AI 에이전트](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fpos-cover.webp&w=3840&q=75)
[특집] 동기화의 힘 — 세스 고딘 깊이 읽기: 함께 맞추는 시간, 따로 쓰는 시간, 그리고 새벽 3시의 AI 에이전트
세스 고딘은 2026년 11월 4일 「The power of sync」에서 일을 '같은 시간에 함께 하는 동기'와 '각자의 시간에 하는 비동기'로 나누고, 이 선택이 누구나 쓸 수 있는데 거의 쓰지 않는 전동 공구라고 썼습니다. 책 한 권이 될 내용을 두어 쪽에 눌러 담은 글이라, 코어닷투데이가 문장마다 각주를 붙였습니다. 공장의 종과 1883년 '정오가 두 번 있던 날', 포드의 93분, 「모래시계」와 몰아 보기로 이어지는 200년의 역사, 전달과 수렴을 가르는 매체 동기성 이론, 기분이 옮는다는 실험과 재현되지 않은 실험, '23분 15초'의 진짜 출처, 주 3일 출근 무작위 실험까지 연구를 대어 보고, 넷플릭스 생중계·중국 라이브 커머스·밥 딜런의 출연료 같은 사례를 숫자로 확인했습니다. 에이전트가 밤새 일하고 사람이 검토 병목이 되는 2026년의 산수, 재택이 임금 근로자의 약 2.3%로 돌아간 한국의 시계도 함께 읽습니다. 직접 만져 보는 위젯 여덟 개가 들어 있습니다.
![[특집] 추론은 무엇을 최적화하나 — 토큰 공간의 길 찾기로 다시 읽는 추론 모델, 강화학습, 그리고 보상 해킹](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Ftsp-cover.webp&w=3840&q=75)
[특집] 추론은 무엇을 최적화하나 — 토큰 공간의 길 찾기로 다시 읽는 추론 모델, 강화학습, 그리고 보상 해킹
추론 모델을 강화학습으로 훈련하면 생각이 길어지고 정확도가 오른다. 그런데 이미 훈련된 모델에게 억지로 더 오래 생각시키면 좋아지다가 멈추고, 때로는 나빠진다. 알렉스 왕(Alex Wang)은 2026년 11월 8일 글 「추론은 어떤 목적함수를 푸는가」에서 이 수수께끼를 '토큰 공간의 길 찾기'라는 그림 하나로 푼다. 생각의 사슬 하나는 프롬프트에서 정답 집합으로 가는 길 하나이고, 강화학습이 올리는 것은 개별 길의 품질이 아니라 길들의 분포가 정답에 닿을 확률 pₓ라는 것이다. 이 글은 원문의 수식을 한 줄씩 풀고, 1956년 논리 이론가에서 AlphaZero, STaR, 「대형 언어 원숭이」, DeepSeek-R1, s1까지 '추론 = 탐색'의 계보를 따라가며, 그 관점이 설명하는 세 가지(생각 길이의 한계, 생각의 사슬이 진짜 이유가 아닌 이유, 보상 해킹)를 논문 그림과 사례로 확인한다. 로컬 모델(qwen3.5 4B)로 같은 답에 이르는 서로 다른 길, k번 뽑기의 힘, 생각 예산을 자르고 늘렸을 때의 정답률을 직접 재고, 위젯 6개로 길 찾기·k번 뽑기·REINFORCE=RFT·상각·불완전한 검증기를 만져 본다.
![[특집] 에이전트 1,000명, 28.7시간 — 셸·Git·데이터베이스 하나로 페르마를 다시 증명한 팀과 세 겹의 울타리](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Ftka-hero.webp&w=3840&q=75)
[특집] 에이전트 1,000명, 28.7시간 — 셸·Git·데이터베이스 하나로 페르마를 다시 증명한 팀과 세 겹의 울타리
Anthropic이 2026년 11월 9일 공개한 실험에서 Claude Fable 5.2 초기 버전 에이전트 1,000개가 전용 플랫폼도 연구자의 지휘도 없이 페르마의 마지막 정리 형식 증명을 28.7시간 만에 다시 만들었다. 받은 것은 셸, Git, 그리고 공유 데이터베이스 하나. 리드는 10분 만에 테이블 다섯 개로 조직을 세웠고, 도우미들은 스스로 과제를 쪼개 2,418개짜리 나무를 키웠다. 이 팀은 네트워크 없는 샌드박스와 도구 호출 분류기, 사후 감시라는 세 겹의 울타리 안에서 일했다. 브룩스의 법칙과 1980년의 칠판 시스템에서 2026년의 AI 통제 연구까지, 왜 '많은 에이전트를 안전하게 굴리는 일'이 이런 모양이 됐는지를 원문 그림과 영상 수치, 인터랙티브 7개로 풀고, 이 실험이 보여 주지 않는 것까지 따져 본다.
![[특집] 광장을 처음부터 다시 짓다 — X.com은 왜 서버 세 대를 한 대로 줄이고, 22초를 2.7초로 만들었나](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fxrb-cover.webp&w=3840&q=75)
[특집] 광장을 처음부터 다시 짓다 — X.com은 왜 서버 세 대를 한 대로 줄이고, 22초를 2.7초로 만들었나
2026년 11월 4일 X 엔지니어링 블로그는 x.com 웹 앱을 처음부터 다시 만든 과정을 공개했다. 사람·검색 크롤러·링크 미리보기 봇을 따로 맞던 서버 세 종류가 하나로 합쳐졌고, 느린 4G에서 첫 게시물이 보이기까지 걸리는 시간은 실험실 측정으로 23.9초에서 2.7초가 됐다. 첫 버전은 엔지니어 다섯 명이 AI 코딩 에이전트와 함께 여섯 달이 안 되어 만들었다고 한다. 이 글은 원문과 그림 일곱 장을 끝까지 읽고, 2010년 #NewTwitter에서 2017년 트위터 라이트까지 화면 그리는 자리가 서버와 브라우저를 오간 16년, 속도가 돈과 형평의 문제인 이유, '절대 다시 쓰지 마라'는 금언과 교살자 무화과 패턴, 스트리밍 SSR과 하이드레이션의 원리, 25ms짜리 응답에 1초 타임아웃이 터진 이벤트 루프 사례와 구글봇 2MB 한도를 비롯한 성능 작업 일곱 가지, 그리고 X의 숫자가 말하지 않는 것을 위젯 7개와 삽화로 풀어 설명한다.
![[특집] 스키마 없이 9억 노드 — AutoSchemaKG 깊이 읽기: 사건 노드, 개념화, ATLAS, 그리고 초록의 숫자가 표에서 뜻하는 것](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fakg-cover.webp&w=3840&q=75)
[특집] 스키마 없이 9억 노드 — AutoSchemaKG 깊이 읽기: 사건 노드, 개념화, ATLAS, 그리고 초록의 숫자가 표에서 뜻하는 것
지식 그래프는 40년 동안 분류표(스키마)를 사람이 먼저 그리고 그 칸에 사실을 채우는 방식으로 만들어졌습니다. ACL 2026에 실린 AutoSchemaKG(홍콩과기대·화웨이)는 순서를 뒤집어, LLM으로 개체와 '사건'을 먼저 뽑고 뽑힌 것마다 개념 꼬리표를 붙여 스키마를 끌어냅니다. 문서 5천만 건에서 노드 13.6억·엣지 86억짜리 그래프 ATLAS가 나왔고 GPU 78,400시간이 들었습니다. 이 글은 Cyc·Freebase·OpenIE·허스트 패턴으로 이어지는 역사부터 논문의 세 아이디어를 풀고, 표를 한 줄씩 다시 읽습니다. 사건 노드는 문단 정보의 89%를 지켰지만(개체 트리플은 35%), '12~18% 향상'은 BM25 대비였고 같은 검색기의 원본 그래프와는 비기거나 졌으며, 개념 노드가 보탠 점수는 1점 안팎, '92% 정렬'은 정답률이 아니라 BERTScore였습니다. 코어닷투데이가 한국어 위키백과 25문단에 같은 프롬프트를 돌린 실측과, 저장소 이슈·IBM의 재현·저자들의 후속 논문까지 함께 정리했습니다.
![[특집] 스스로 채점하는 기계 — MASS와 GEPA, 자기 개선 고리에서 '좋아졌다'는 말을 어디까지 믿을 것인가](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Frsi-cover.webp&w=3840&q=75)
[특집] 스스로 채점하는 기계 — MASS와 GEPA, 자기 개선 고리에서 '좋아졌다'는 말을 어디까지 믿을 것인가
2026년 10월 8일, 같은 날 arXiv에 올라온 두 논문이 같은 고리를 서로 다른 쪽에서 돌렸다. 버클리·사카나 AI의 MASS(arXiv 2610.12176)는 모델이 자기 복사본으로 팀을 꾸려 일하고, 스스로 채점하고, 잘된 기록으로 자기 가중치를 다시 학습하는 고리를 두 바퀴 돌려 연구형 벤치마크 넷에서 출력 토큰당 점수를 1.2~1.6배로 올렸다. 딥리서치 에이전트의 프롬프트를 GEPA로 고친 논문(arXiv 2610.12601)은 처음 보는 주제 500문항에서 인용 보상을 0.702에서 0.781로 올렸지만, 이긴 프롬프트의 절반이 외운 답안지였고 그 답안지는 점수를 한 푼도 벌지 못했다는 것을 함께 보였다. 이 글은 두 논문을 부록까지 읽고, 1965년 굿의 '지능 폭발'에서 알파고 제로와 다윈 괴델 머신까지 자기 개선의 계보를 따라간 뒤, 워크플로의 네 부품(역할·지시·계약·홉), 두 겹의 고리, 완주율이 올린 점수, 2.6배 부풀림을 만든 승자의 저주, 숫자 하나짜리 채점이 전이를 음수로 만든 실험을 위젯 7개와 삽화로 풀어 설명한다.