전체 글11 인간에게도 Harness가 필요하다. https://toss.tech/article/harness-for-team-productivity Software 3.0 시대, Harness를 통한 조직 생산성 저점 높이기개인의 '슈퍼'를 넘어 팀의 '표준'으로toss.tech2026년 초, 현재 AI 씬에서 가장 핫한 단어를 꼽으려면 단연코 하네스(Harness)다.이는 OhmyOpenCode 부터 Openclaw까지, 작년부터 부상했던 "에이전트"가 마침내 대중이 기대하던 실질적인 형태와 맞닿으며 파생된 부산물이라고 볼 수 있겠다. LLM의 프레임워크는 매우 빠르게 변화해왔다. 그러나 그 궁극적인 목표는 지금까지 단 하나였다. "어떻게 하면 인간이 리소스를 적게 들이고, 동시에 높은 퀄리티의 아웃풋을 보장받을 수 있을까?", 즉 어떻게 해야 LL.. 2026. 5. 1. AI 시대에 가져야 할 것은 하루가 멀다 하고 새로운 AI 모델이 쏟아지고, 어제까지 불가능했던 일들이 오늘 당연한 듯 현실이 되는 시대다. 개발 패러다임부터 일상적인 업무 방식, 심지어는 비즈니스의 구조까지 모든 것이 격변하는 이른바 '대 AI 시대'의 한가운데서 사람들은 기대감 못지않게 깊은 불안과 막막함을 느낀다. 그래서인지 최근 들어 온·오프라인을 가리지 않고 정말 많은 사람들이 나에게 이런 질문을 던지곤 한다. '대 AI 시대에 도태되지 않으려면 어떤 역량을 갖춰야 할까요? 지금 당장 준비하면 좋은 것들이 있을까요?' 단순히 프롬프트 엔지니어링 기법을 외우거나 특정 AI 툴의 사용법을 익히라는 식의 파편적인 조언은 이제 큰 의미가 없다. 도구는 계속해서 진화하고 그 형태를 바꿀 것이기 때문이다. 따라서 이 질문에 대해서는 .. 2026. 5. 1. Loss에 대한 고찰 딥러닝의 학습과정에서 우리는 많은 Loss를 사용한다. Cross-Entropy와 MSE 가 대표적인 손실이며 이미지의 고차원적 의미를 담기 위한 perceptual loss 등을 사용하기도 한다. 이렇게 로스를 가져다가 쓸 때, 대부분 파이토치에서 이미 구현해놓은 로스를 사용하기 때문에 그 수학적 의미를 대충 이해만 하고 넘기는 경우가 많았다. (아, 회귀때 mse 쓰고 분류때 cross entropy 쓰는데 회귀때도 cross entropy 쓸 수도 있구나. 근데 그건 로그값이 0에 가까울 수록 엄청 기울기가 커서 그렇구나- 의 정도) 이번에 과제를 진행하며 numpy의 저수준에서 모델의 학습을 짜볼 기회가 생겨 얻었던 인사이트를 기록하려고 한다. Softmax Loss란? 우리가 흔하.. 2024. 11. 19. U-Net: Convolutional Networks for Biomedical Image Segmentation In this paper, a new neural network architecture called U-Net is introduced. Designed for Biomedical Image Segmentation, this model uses a Contracting Path to capture context and an Expansive Path to enable precise localization. The model achieves superior performance in pixel-level segmentation compared to traditional models by preserving high-resolution information through skip connections. Th.. 2024. 10. 30. 이전 1 2 3 다음
