| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
Tags
- MQA
- SK AI SUMMIT 2025
- Positional Encoding
- fréchet inception distance
- Multi-Head Attention
- attention
- catastrophic forgetting
- Embedding
- self-attention
- test-time scaling
- gqa
- rotary position embedding
- model context protocol
- Engineering at Anthropic
- langgraph
- context engineering
- MHA
- extended thinking
- chain-of-thought
- RLHF
- re-ranking
- BLEU
- transformer
- 트랜스포머
- PEFT
- flashattention
- 토크나이저
- reinforcement learning from human feedback
- CoT
- Langchain
Archives
- Today
- Total
목록Multi Agents (1)
AI Engineer 공간 "사부작 사부작"
Deep Agent: 단순 반복을 넘어, 복잡한 문제를 해결하는 AI의 새로운 진화
Deep Agent: 단순 반복을 넘어, 복잡한 문제를 해결하는 AI의 새로운 진화인공지능(AI) 분야는 매일같이 새로운 기술이 등장하며 우리를 놀라게 합니다. 특히 거대 언어 모델(LLM)을 활용한 'AI 에이전트'는 스스로 도구를 사용하고 작업을 수행하며 자동화의 새로운 가능성을 열었습니다. 하지만 기존의 AI 에이전트는 간단한 질문에 답하거나 단일 작업을 처리하는 데는 능숙했지만, 여러 단계에 걸친 복잡하고 장기적인 프로젝트 앞에서는 길을 잃고 헤매는 모습을 보이곤 했습니다. 이러한 한계를 극복하기 위해 등장한 개념이 바로 '딥 에이전트(Deep Agent)'입니다. 딥 에이전트는 마치 노련한 프로젝트 매니저처럼, 복잡한 과업도 스스로 계획하고, 분해하며, 장시간에 걸쳐 꾸준히 실행해 나가는 능력을..
Theory/Agents
2025. 8. 13. 22:54