[Metadata] Paper: Qianfan-OCR: A Unified End-to-End Model for Document Intelligence ArXiv ID: 2603.13398 Authors: Baidu Date: March 2026 비정형 문서에서 표(Table)나 다단 레이아웃을 파싱하다가 키보드 샷건을 쳐본 적 있나...
[Deep Dive] 파인튜닝 없이 LLM의 검열을 해제하다: Heretic 아키텍처 해부 1. 시작하며: “저는 도울 수 없습니다”라는 앵무새에 지친 우리들 여러분, 현업에서 오픈소스 대형 언어 모델(LLM)을 프로덕션에 올려본 분들이라면 다들 한 번쯤 모니터 앞에서 깊은 한숨을 쉬어본 적 있으실 겁니다. 최근 Llama 3나 Gemma 3 같은 ...
“대표님, 스크래핑 서버 스케일업 하려면 AWS 비용을 3배는 늘려야 할 것 같은데요.” 10년 차 개발자로 구르면서, 이 말을 할 때마다 참 찝찝했습니다. 크롤링이나 자동화 봇 하나 돌리려고 Puppeteer나 Playwright로 puppeteer.launch({ headless: true }) 옵션을 켜본 분이라면 아마 이 먹먹함을 아실 겁니다...
그동안 Embodied AI 분야에서 ‘시뮬레이터’라고 하면 두 부류뿐이었죠. 물리 엔진 기반의 딱딱한 전통적 시뮬레이터, 아니면 최근 유행하는 ‘그럴싸해 보이기만 하는’ 2D 비디오 생성 모델 말입니다. 하지만 진짜 로봇이 구동되는 환경은 2D 화면이 아니라 시간축이 포함된 4D 공간입니다. 기존 비디오 생성 모델들은 픽셀 값은 잘 맞출지 몰라도,...
[Metadata] Paper: Taking Shortcuts for Categorical VQA Using Super Neurons (arxiv:2603.10781) Date: March 2026 VLM(Vision Language Model)으로 서비스 돌려본 분들은 알 겁니다. 사용자는 그저 “이 사진에 고양이 있어?”라는 단순한 ‘...
우리의 AI 에이전트는 왜 항상 삼천포로 빠질까? LangChain ‘deepagents’ 아키텍처 뜯어보기 1. 프롤로그: 우리는 왜 에이전트에게 뒤통수를 맞는가? (The Hook) 솔직히 한 번 터놓고 이야기해 봅시다. 처음 LangChain이나 기본 OpenAI API를 만지작거리며 ReAct(Reason-Act) 기반의 에이전트를 만들었을 ...
1. The Hook: 우리는 언제부터 우주선을 몰게 되었나 요즘 프론트엔드든 백엔드든 개발 생태계를 보면 참 재미있습니다. 불과 2~3년 전만 해도 우리는 ChatGPT 창에 코드를 복사해서 붙여넣고 “이거 왜 안 돌아가?”라고 묻는 데 만족했었죠. 그러다 Copilot이 자동 완성을 해주며 환호했고, 어느새 Cursor, Claude Code, ...
1-bit의 마법, 곱셈을 버리고 덧셈을 택하다: Microsoft BitNet b1.58 아키텍처 딥다이브 1. The Hook: “GPU 좀 더 사주세요…” 끝나지 않는 비용의 굴레 안녕하세요. 최근에 서버실이나 클라우드 비용 청구서 보고 뒷목 한 번씩 잡아보셨나요? 💸 10년 차 백엔드 개발자이자 아키텍트로 현업에서 구르면서 참 많은 기술의 ...
개발자로 일하다 보면, 종종 기술의 발전이 참 얄궂다는 생각이 듭니다. 스마트 홈이나 오피스, 혹은 헬스케어 관련 IoT 프로젝트를 한 번이라도 리딩해 보신 분들이라면 다들 공감하실 텐데요. 공간 내 사람의 ‘존재’와 ‘미세한 움직임’을 정확히 감지하는 일은 생각보다 정말 까다롭습니다. 가장 만만하고 저렴한 PIR(적외선 적중) 센서를 화장실에 달아...
Paper Link: 2603.12793 Github: TBA Date: March 2026 솔직히 까놓고 말해봅시다. 요즘 멀티모달 모델(UMM) 생태계를 보면 기가 찹니다. 비전 인코더랑 LLM을 억지로 이어 붙여놓고 ‘만능’이라고 우기는 경우가 태반이죠. 이미지를 ‘이해’하는 태스크는 픽셀의 자잘한 디테일보다는 전체적인 ‘의미(Semantic)...