2026년 AI 엔지니어링 인터뷰에서 자주 나오는 핵심 주제 👇:

• LLM 작동 방식: 토큰화(tokenization), 어텐션 메커니즘(attention mechanisms), 컨텍스트 윈도우(context windows), 위치 인코딩(positional encoding)

• 프롬프팅(Prompting): 시스템 프롬프트(system prompts), Few-shot, Chain-of-thought, 구조화된 출력(structured outputs)

• 에이전트(Agents): 툴 호출(tool calling), 플래닝(planning), 실행 루프(execution loops), 중지 조건(stopping conditions)

• MCP: 표준화된 툴 서버를 구축하고 호스팅하며 연결하는 방법

• 메모리(Memory): 단기 컨텍스트, 장기 그래프/벡터 메모리, 요약(summarization)

• 평가(Evals): 골든 데이터셋(golden datasets), LLM-as-judge, 결정론적 어설션(deterministic assertions), 회귀 테스트(regression testing)

• 가드레일 및 환각(Guardrails & Hallucinations): 스키마 유효성 검사(schema validation), 출력 필터링(output filtering), 환각 탐지(hallucination detection)

• 보안(Security): 프롬프트 인젝션(prompt injection), PII 마스킹(PII redaction), 툴 샌드박싱(tool sandboxing)

• RAG: 문서 파싱(document parsing), 청킹(chunking), 임베딩(embeddings), 벡터 검색(vector search), 하이브리드 검색 (BM25 + semantic), 리랭킹(reranking)

• 모델 선택(Model Selection): SLM, 프론티어 모델(frontier models), 추론 모델 간의 쿼리 라우팅(query routing)

• 비용 및 지연 시간(Cost & Latency): 토큰 예산 책정(token budgeting), 프롬프트 캐싱(prompt caching), 시맨틱 캐싱(semantic caching)

• 추론 및 서빙(Inference & Serving): 스트리밍(streaming), 연속 배치 처리(continuous batching), KV 캐시(KV cache), 양자화(quantization)

• 파인튜닝(Fine-tuning): PEFT, LoRA/QLoRA, 데이터셋 준비(dataset prep), RAG보다 나은 경우를 아는 것

• 관찰 가능성(Observability): OpenTelemetry, 모델/툴 실행 그래프 추적(tracing model/tool execution graphs), 지연 시간 추적(latency tracking)

• ML 기초(ML fundamentals): 확률(probability), 통계(statistics), 손실 함수(loss functions), 고전 ML 대 DL

• 프로덕션 배포(Production Deployment): API 아키텍처, 비동기 큐(async queues), 속도 제한(rate limits), 백오프 재시도(backoff retries)

• 신뢰성(Reliability): 폴백(fallbacks), 타임아웃(timeouts), 서킷 브레이커(circuit breakers), 재개 가능한 상태 저장 워크플로우(resumable stateful workflows)

• 멀티모달(Multimodal): VLM, 음성/오디오 파이프라인(speech/audio pipelines), 레이아웃 이해(layout understanding), OCR

• 시스템 설계(System Design): 고객 지원 에이전트, 코딩 에이전트 또는 엔터프라이즈 RAG 앱

• 코딩 및 프레임워크(Coding & Frameworks): Python 비동기/동시성(async/concurrency), DSA, 1개 AI 프레임워크에 대한 깊은 숙련도

• 디버깅 + 프로젝트 심층 분석: 고장 난 AI 파이프라인 수정, 트레이드오프, 실제 실패 모드

📌 이 내용을 북마크하고 AI 인터뷰를 준비하는 사람에게 보내세요.