자연어로 세계를 설계하다｜Vibe Coding 미디어
AI 공부 지도 — LLM부터 Meta-Harness까지 20편으로 쌓는 법 0-1. 두 가지 입구 — 표 vs 에세이 이 시리즈는 두 가지 방식으로 들어올 수 있어요. (A) 표 형식 입구 (이 글) — 20편 전체 구조와 순서를 한눈에. 체크리스트로 따라가는 분. (B) 에세이 형식 입구 — 👉 메타 하네스와 오토리서치, 어떤 순서로 배워야 하나 — 왜 … Read more
\”AI가 좋아졌다\”는 말은 기준 없이는 공허하다. LLM 평가 최적화를 benchmark·task-specific·production eval 3층으로 분해하고, SWE-bench 함정·golden set 설계·DSPy 프롬프트 최적화까지. Autoresearch·Meta-
메타 하네스와 오토리서치를 뉴스로만 읽으면 거의 틀어진다. 모델·에이전트·하네스·retrieval·eval을 거쳐 autoresearch·Meta-Harness·OMX·OMC까지 읽는 8단계. Claude·Codex를 이미 쓰지만 내부 이론을 공부할 시간이 없는 실무자용 순서
Autoresearch를 \”AI가 혼자 연구하는 기계\”로 읽으면 놓치는 핵심이 있다. 가설·행동·관찰·해석·업데이트 다섯 가지가 반복 구조로 들어간 시스템이라는 점. Sakana AI Scientist·FunSearch 사례와 한계, Meta-Harness와 차이까지. AI
AI, ML, 딥러닝, 신경망, Transformer, LLM — 뉴스마다 섞여 나오는 용어들의 크기와 관계를 러시아 인형 비유 하나로 끝까지 정리한다. AI 공부 지도 20편 시리즈의 첫 발자국. 기술 배경 없어도 따라올 수 있게.
Meta-Harness를 \”AI가 자기 프롬프트를 고치는 기술\”로 읽으면 놓치는 층위 변화가 있다. 개선 대상을 답변에서 하네스(AGENTS.md/CLAUDE.md/hooks/permissions/verification loop)로 올리는 것. DSPy 사례와 한계, \”자
ChatGPT·Claude 2~3년째 쓰는데도 “LLM이 뭐예요?”에 막히는 분을 위한 해설. 다음 토큰 예측, 토큰, 파라미터, 학습/추론, 환각까지 비유 하나로 이어 읽는다. AI 공부 지도 1편.
OMX(Oh My Codex) / OMC(Oh My Claude Code)를 자기개선 AI로 읽으면 과장이다. 현재 검증된 건 runtime/workflow overlay + project-scoped state visibility까지. autoresearch·Meta-Harn
ChatGPT·Claude 안에는 다 Transformer가 들어 있다. 근데 Transformer가 정확히 뭐냐고 물으면 다들 얼버무린다. RNN 한계부터 attention, multi-head, stacking까지 비유 하나로 따라가게 정리. AI 공부 지도 2편.
\”RAG는 죽었냐\”라는 질문에 태일러가 자기 말로 답한다. 죽은 건 1층(단순 embedding + 일회성 retrieval)뿐이고 2~4층(GraphRAG·Agentic·Memory Adaptation)은 오히려 확장 중. long context가 대체할 수 없는 이유와