Jev로 AI 글 냄새 잡기 - 판정 모델을 교정 파이프라인 세 곳에 붙인 기록
Jev를 원고 교정·문체 탐지·자동 발행 점검에 적용해 조건부 활용 방식을 검증했습니다. 문단 판정은 Jev, 반복 규칙은 코드, 사실 검증은 별도 단계로 분리해야 합니다.
#Jev#LLM
5800
국내 IT 기업 기술 블로그 최신 글
필터 0
[클로바시선 #58] 속도와 비용의 열쇠: 멀티모달 AI 학습을 갉아먹는 ‘이미지 토큰 불균형’ 이야기
[클로바시선 #58] 속도와 비용의 열쇠: 멀티모달 AI 학습을 갉아먹는 ‘이미지 토큰 불균형’ 이야기
X
#멀티모달 AI#이미지 토큰
100
Hive는 잊으려 했지만, Spark는 기억하고 있었다: 사라진 get_table RPC 복원기
Hive는 잊으려 했지만, Spark는 기억하고 있었다: 사라진 get_table RPC 복원기
Hive 4.2에서 제거된 get_table RPC로 Spark 잡이 실패한 원인을 추적했습니다.\nThrift IDL 계약을 보존한 RPC 복원과 생성 코드 검증 방식을 정리했습니다.
#Hive#Spark
200
Amazon SageMaker AI와 AWS IoT Greengrass를 활용한 Physical AI 학습 파이프라인 구축하기
AWS에서 VLA·강화학습용 Physical AI 학습, 시뮬레이션 검증, 엣지 배포 파이프라인을 구성했습니다.\n학습 특성에 따라 SageMaker Pipelines·HyperPod를 선택하고 Greengrass로 모델을 배포합니다.
#AWS#SageMaker
100
[26년 9월] 국가 보안 AI는 네이버클라우드에 맡기라구
[26년 9월] 국가 보안 AI는 네이버클라우드에 맡기라구
X
#보안#네이버클라우드
100
AWS 인프라를 활용한 무븐트의 music-to-dance AI 학습·서빙 인프라 구축기
무븐트는 AWS 이벤트 기반 파이프라인으로 댄스 영상을 구조화된 학습 데이터로 변환했습니다.\nGPU 추론과 API를 분리한 다중 계층 서빙으로 성능과 확장성을 개선했습니다.
#AWS#데이터 파이프라인
500
AI가 과거 근거를 확인한 44일, 그리고 달라진 결론들
AI가 과거 근거를 확인한 44일, 그리고 달라진 결론들
분산된 업무 이력을 출처가 유지되는 Wiki로 연결했습니다. AI가 설계·구현 판단 전에 과거 근거를 확인하도록 구성했습니다.
#Wiki
800
Spring Boot 4.1까지 나온 지금, 무엇이 바뀌었고 무엇을 먼저 준비해야 할까요
Spring Boot 4 이행 시 자동 설정 분리와 Jackson 3 전환으로 발생하는 호환성 문제를 정리했습니다.\n특히 JSON 직렬화 비교와 컨텍스트 로딩 테스트를 사전 안전장치로 권장했습니다.
#Spring Boot#migration
2400
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
MCP server 개발기
Spring AI로 사내 REST API를 MCP 도구로 노출하는 서버 구축 과정을 정리했습니다.\n프로토콜 처리는 위임하고 도구 설계·설명·인증을 핵심 과제로 제시했습니다.
#MCP#Spring AI
1500
SageMaker Studio에서 TIP와 S3 Access Grants를 활용한 Athena 쿼리 실행하기
SageMaker Studio의 TIP로 사용자 ID를 Athena·S3·Lake Formation까지 전파하는 구성을 안내했습니다. S3 Access Grants와 CloudTrail을 통해 사용자별 권한 제어 및 감사 추적을 구현했습니다.
#AWS#SageMaker
600
Devlime 공유 도메인/MS 간 도메인 참조 설계
공유 API 유무와 성능 이슈를 기준으로 MS 간 도메인 참조 방식을 구분했습니다. 기본은 ID 참조이며, 성능 문제가 확인될 때만 표시용 VO 동기화를 검토합니다.
#MSA#API
500
![[인사이트] 발전소에서 서버 랙까지, AI 시대 데이터센터 전력의 대장정](https://img1.daumcdn.net/thumb/R800x0/?scode=mtistory2&fname=https%3A%2F%2Fblog.kakaocdn.net%2Fdna%2Fchbfe9%2FdJMcad4FLJV%2FAAAAAAAAAAAAAAAAAAAAADsH-DWo7Kj-9GQ4PJQGLagw0JSNGcta29doq0aXohGO%2Fimg.png%3Fcredential%3DyqXZFxpELC7KVnFOS48ylbz2pIh7yKj8%26expires%3D1790780399%26allow_ip%3D%26allow_referer%3D%26signature%3DQ3DgOfpvoxkdgT3d3XeXjYeZjAc%253D)
[인사이트] 발전소에서 서버 랙까지, AI 시대 데이터센터 전력의 대장정
AI 데이터센터의 전력 병목과 발전·송배전·계통 접속 구조를 설명했습니다. 입지 분산, 자체 전원, 수요반응, 효율 개선 대응책을 정리했습니다.
#AI 데이터센터#전력계통
600
[신청 중] AI 제품을 만들 때, 자체 모델과 검색엔진은 언제 필요할까요?
실제 AI 제품에서는 모델 성능뿐 아니라 검색 품질과 속도, 사용자 경험까지 함께 고려해야 합니다. 이번 밋업에서는 자체 모델 학습과 검색엔진 고도화 사례를 공유합니다.
#ML#검색
2800
Swift 6 어때요? (2): executor, job, hop_to_executor
Swift Concurrency의 executor와 hop_to_executor 동작을 런타임 소스로 살펴본 글입니다. executor는 job을 실행하는 추상화이며, 스레드 폭증을 막고 hop은 대부분 스레드 전환이 아니라고 정리했습니다.
#Swift#iOS
2200