LLM 122
- Transformer의 Layer Normalization 배치 — 왜 최신 LLM은 Post-LN에서 Pre-LN으로 옮겨갔는가
- Scaling Latent Reasoning via Looped Language Models
- SwarmWorld: 언어모델 에이전트 사회의 스티그머지 기반 기술 진화
- Prioritize the Process, Not Just the Outcome: 잠재 사고 궤적 보상으로 Looped LM의 추론을 개선하는 RLTT
- Reasoning Models Generate Societies of Thought
- OpenAI o1 System Card
- Mixture of Sparse Attention: Expert-Choice 라우팅 기반 학습형 희소 어텐션
- Agentic RL에서 추론과 도구 사용은 경쟁한다: 간섭 정량화에서 DART까지
- Not All LLM Reasoning is Visible in the Chain-of-Thought: 필러 토큰이 드러내는 보이지 않는 추론
- Mixture-of-Recursions: 토큰 단위 적응적 재귀 깊이 학습
- Fast Weight Attention for Continual Learning: 자기회귀 정렬 기반 Falcon 패스트 웨이트 갱신 규칙
- Gated Recurrent Transformers: Expressive Depth through Recurrent Modulation
- EvoHarness-RL: 장기 지평 LLM 에이전트를 위한 자기 진화 런타임 하네스 학습
- LLM Pretraining Loss Spike 진단과 처방: 배치 사이즈, Gradient Accumulation, 그리고 Muon 전환 판단
- Agent Memory Distillation: 계층적 교사 메모리로 소형 LLM 에이전트를 끌어올리기
- Intern-S2-Mobius: 지식과 추론을 분리한 파운데이션 모델 아키텍처
- vLLM x TileRT: 지연시간 중심 서빙을 위한 특화 디코드 엔진
- Skaling: 모델 크기와 데이터를 결합한 새로운 스케일링 법칙
- Qwen3.8 시리즈 정리 - 27B와 2.4T-A95B의 아키텍처부터 배포까지
- Qwen 샘플링·디코딩 파라미터 presence_penalty, repetition_penalty, temperature
- LLM Evals FAQ: 인프라보다 에러 분석이 먼저인 이유
- Fable 5 vs GPT-5.6 Sol: NP-난해 최적화 문제에서 /goal 지속성 기능 벤치마크
- Qwen3.8 공개 예고 - 2.4조 파라미터 오픈 웨이트 모델과 Max-Preview 선공개
- 오픈소스 LLM vs 빅테크 LLM API: 비용과 리스크의 재계산
- OpenAI Codex 컨텍스트 윈도우 축소, 372k에서 272k로
- vLLM 성능 튜닝: speculative_config, MTP, --max-num-seqs
- 자기회귀 언어모델은 사실 에너지 기반 모델이다: 다음 토큰 예측의 계획 능력
- pxpipe: 텍스트 컨텍스트를 PNG 이미지로 변환해 Claude Code 토큰을 줄이는 프록시
- 다가오는 AI 마진 붕괴: GLM 5.2와 추론 경제학
- Claude Sonnet 5: Sonnet 등급으로 Opus급 에이전트 실행
- Claude Fable 5 재배포: 수출 통제 해제와 강화된 안전장치
- The Verification Horizon: 코딩 에이전트 보상에 은탄환은 없다
- Claude Fable 5와 Mythos 5 수출 통제 해제와 접근 복구
- Autodata: 합성 데이터를 스스로 만드는 에이전트 데이터 사이언티스트
- Transformer Explainer: 브라우저에서 GPT의 내부 동작을 시각화하다
- DSpark: 반자기회귀 생성과 신뢰도 기반 검증으로 speculative decoding 가속하기
- Wayfinder Router: 모델 호출 없이 결정론적으로 LLM을 라우팅하는 CLI
- PostTrainBench: AI 에이전트가 언어 모델을 post-train할 수 있을까
- Instruction Residuals: 지속 사전학습과 명령어 파인튜닝의 균형
- Frozen Multi-Token Prediction: Pixel에서 Gemini Nano 가속하기
- GPT-5.6 Sol/Terra/Luna 프리뷰: 새 모델 명명 체계와 사이버 안전 스택
- DeepSeek-V4-Pro-DSpark: speculative decoding을 더한 1.6T MoE 모델
- PAPO: 확산 LLM 추론을 위한 보상과 상태 정렬 강화학습
- Headroom: AI 에이전트 토큰을 60-95% 줄이는 컨텍스트 압축 도구
- Sakana Fugu: 프론티어 LLM을 지휘하는 학습된 오케스트레이터
- BIRD: 대규모 데이터베이스 기반 Text-to-SQL 평가 벤치마크
- Kimi K2.7 Code : 장기 코딩에 특화된 오픈 가중치 에이전트 모델
- GLM-5.2 : 1M 컨텍스트를 지원하는 완전 오픈 프런티어 모델
- DiffusionGemma : 확산 기반으로 더 빠른 텍스트 생성
- OpenPipe ART: 경험으로 학습하는 에이전트 강화학습 트레이너
- MTEB v3 리더보드: 느린 데모에서 본격 임베딩 벤치마크로
- HRM-Text-1B: 계층적 추론 모델 기반 1B 언어 모델
- 자가진화 LLM 에이전트의 능력 붕괴: 경험 내재화를 다시 생각하다
- Self-Harness: LLM 에이전트가 스스로 실행 환경을 개선하는 프레임워크
- Gated DeltaNet-2: 선형 어텐션에서 삭제와 쓰기 게이트 분리
- DiffusionGemma - 병렬 텍스트 생성과 Diffusion 기반 언어 모델
- LLM 시각 가이드 Part 1 - 토크나이제이션과 임베딩
- LLM 평가의 맹점: Test-Time Compute를 측정에 포함해야 하는 이유
- Microsoft MAI-Code-1-Flash: 일상 개발자 워크플로우를 위한 코딩 모델
- claude-oceanus 유출 루머: 엔터프라이즈 전용 고가 모델이라는 주장
- Open Athena: LLM 사전학습을 3.6배 빠르게 만든 스택
- NVIDIA Nemotron-3-Ultra: 550B LatentMoE 추론 모델
- Gemma 4 12B: 인코더 없는 통합 멀티모달 모델
- 에이전트 워크플로를 LLM 가중치로 컴파일하기: 100배 저렴한 지하 에이전트
- LLM 에이전트가 직접 학습 데이터를 만든다: 자율 에이전트 데이터 엔지니어링
- DNA3.0-35B-A3B: Dnotitia의 한국어 특화 MoE 비전-언어 모델
- Claude Opus 4.8: 정직성, 동적 워크플로우, 노력 제어
- 하이퍼커넥트 LLM 설명 정책 - 정답 없는 문제를 반복적 합의로 푸는 5단계 접근법
- NuExtract3 - 4B 비전-언어 모델로 문서에서 JSON 추출과 마크다운 변환을 동시에
- TurboQuant 완전 정리 - 이론 최적에 근접한 KV 캐시·벡터 검색 양자화와 vLLM 실측
- Google, I/O 2026에서 Gemini 3.5 정식 공개 - 에이전트 성능과 새 구독 체계
- Qwen 3.5의 검열 회로 해부 - 가중치에 새겨진 국가 검열의 메커니즘 해석
- ELF: 임베딩 공간 Flow Matching 으로 디스크리트 확산 모델을 추월한 연속 언어 확산
- Model Merging Scaling Laws — 10,506개 병합 실험으로 도출한 LLM 병합 스케일링 법칙
- TTL Tech Note — 지식 증류와 LLM 사이즈 선택, 14B/32B/70B의 실전 기준
- Google, I/O 2026에서 새 Gemini 공개 예정 — GPT-5.5급, Mythos에는 못 미친다는 보도
- Meta Muse Spark 공개 — Superintelligence Labs의 첫 멀티모달 추론 모델
- Qwen3.7-Max 공개: 에이전트 시대를 겨냥한 알리바바의 프런티어 모델
- Cohere Command A+ 공개: W4A4 양자화로 단일 GPU에서 돌아가는 218B MoE 모델
- Code as Agent Harness: 코드를 에이전트 실행 기반으로 보는 새로운 관점 (서베이)
- LoPE 무의미한 Lorem Ipsum이 LLM 수학 추론을 끌어올리는 메커니즘
- Claude 90% 할인 중국 암시장의 정체와 AI 데이터 탈취 위험
- Bifrost: LiteLLM보다 50배 빠르다는 Go 기반 초고속 AI 게이트웨이
- TokenSpeed: 에이전트 워크로드를 위한 빛의 속도 LLM 추론 엔진
- DGX Spark에서 Qwen3.5-122B-A10B 추론 80% 가속: INT4+FP8 하이브리드와 MTP-2 투기적 디코딩
- Multiagent Debate - 다중 에이전트 토론으로 LLM 사실성과 추론 향상
- Gemma 4 Multi-Token Prediction - 품질 손실 없이 최대 3배 추론 가속
- ECE7115, 인하대 Multimodal VLM 강의가 Stanford CS336을 따라가는 법
- DeepSeek-V4 패밀리 공개, Flash와 Pro 그리고 1.6T 베이스 모델
- GLM-5 Scaling Pain: PD 분리 KV 캐시 race, HiCache 동기화 누락, LayerSplit가 풀어낸 코딩 에이전트 서빙의 진짜 병목
- DeepSeek-V4-Pro 공개 - 1.6T MoE, 49B 활성 파라미터, 1M 컨텍스트, FP4/FP8 혼합 정밀도
- Needle In A Haystack: 장문 컨텍스트 LLM의 검색 능력을 재는 벤치마크
- Claude Opus 4.7 개발자 리뷰: 마이그레이션 체크리스트와 Breaking Changes
- Kimi K2.6 공개: 1T MoE 오픈소스 모델의 에이전틱 코딩 도약
- Qwen3.6-35B-A3B: 350억 파라미터 MoE 모델, 30억만 활성화하는 에이전틱 코딩 오픈소스
- SuperGemma4 26B Uncensored MLX 4bit v2 - Apple Silicon용 고속 로컬 에이전트 모델
- MiniMax-M2.7 자기 진화하는 오픈 웨이트 모델과 공식 CLI
- Gemma 4 로컬 모델로 Codex CLI 돌려보기 실전 테스트
- NVIDIA·MIT TriAttention, KV 캐시 메모리를 10배 줄이다
- LG EXAONE 4.5 33B: 한국어 특화 첫 오픈 비전-언어 모델
- LM Studio CLI로 Google Gemma 4 로컬 실행: M4 Pro에서 51 tok/s 달성
- LiteLLM PyPI 공급망 공격 - 악성 코드 삽입 보안 사건 분석
- LLM을 컴퓨터로 만들기 - 트랜스포머 내부에서 프로그램을 실행하는 방법
- Trie 기반 빔 서치 - LLM 디코딩의 메모리와 속도를 동시에 잡다
- llmfit - 내 하드웨어에 맞는 LLM 모델을 찾아주는 터미널 도구
- LLM Architecture Gallery - 43개 LLM 아키텍처를 한눈에 비교하는 갤러리
- LLM으로 소프트웨어를 만드는 방법 - 아키텍트-개발자-리뷰어 다중 에이전트 워크플로우
- LLM 신경해부학: 가중치 변경 없이 중간 레이어 복제로 리더보드 1위 달성
- Claude Opus 4.6 & Sonnet 4.6 - 1M 컨텍스트 윈도우 정식 출시
- 프롬프트의 정중함이 LLM 정확도에 미치는 영향 - Mind Your Tone 논문 분석
- Deep Think with Confidence - LLM 추론의 신뢰도 평가 연구
- GPT-5.4의 1M 컨텍스트 윈도우, 기본 설정으로는 258K만 사용 가능
- Qwen3.5 - 알리바바의 새로운 대규모 언어 모델 시리즈
- YaRN - LLM 컨텍스트 윈도우를 효율적으로 확장하는 방법
- Inferact - vLLM 상용화 스타트업, 1.5억 달러 시드 투자 유치
- vLLM Custom Logits Processors로 특정 언어 토큰 차단하기
- GLM-4.7 - 코딩 전문 LLM의 새로운 강자
- DeepResearch Bench의 RACE와 FACT 평가 방법
- GPT-OSS-120B MoE 모델에서 QLoRA 튜닝이 실패하는 이유와 NeMo의 해결책
- LangSmith vs Langfuse
- LLM 서빙 환경 구축하기 + 모니터링
- AGI 직전이라더니 내가 사용하는 AI는 왜 멍청할까?