🦸🏻#11: 에이전트는 어떻게 '계획'과 '추론'을 할 수 있을까?

더 정확하면서도 잘 적응하는 '계획'을 세우게 하는 법 + 강화학습 기반의 DeepSeek 추론 훈련

Topic #29: 허깅페이스의 SmolLM2 모델이 알려주는 '소형모델' 성능의 비밀

SLM에서 '데이터셋 품질'과 '적절한 훈련 전략'의 중요성

🦸🏻#10: 최신의 AI 모델들은 진짜로 '추론'을 하는 걸까요?

'추론 (Reasoning)'한다는 건 구체적으로 뭘까요? ‘생각의 모드'에 대해 논의해 봅시다.

🌁FOD#90: AI 벤치마크의 역설: '지능'을 측정한다는 것의 함정

벤치마크의 포화, 굿하트의 법칙과 진짜 '지능'을 측정하기 위한 방향 + Sesame AI + 금주의 주요 뉴스 및 연구

LLM 기능을 확장하는 9가지 'Chain-of-X' 기법

Topic #28: MoM (Mixture-of-Mamba)은 무엇인가?

Mamba가 멀티모달 데이터를 잘 처리하도록 해 주는 새로운 기법

🌁FOD#89: 성큼 다가온 AI의 미래: AI 엔지니어, 자가 진화 모델, 휴머노이드 로봇

현실로 들어오고 있는 최신의 AI 기술들 + 금주의 주요 뉴스 및 연구

'AI 에이전트' Deep Dive를 위한 8가지 자료

Topic #27: CoA(Chain-of-Agents), CoRAG(Chain-of-RAG)은 무엇인가?

Long Context 및 멀티홉 (Multi-hop) 추론을 위해서 구글, 마이크로소프트가 고안한 또 다른 'Chain' 기법

🌁FOD#88: 'DeepSeek' 사태가 우리에게 던진 질문 - AI 국수주의인가 글로벌 협력인가

+ 금주의 주요 뉴스 및 연구

VESSL AI 웨비나: 기업 AI 경쟁력의 핵심, MLOps/LLMOps 활용 사례

'Test-Time Scaling'의 적용에 대한 8가지 새로운 연구