Opus를 환상적으로 만들기: Fable 5의 독자적인 원칙에 따라 Opus 4.8을 실행하는 Claude Code 플러그인

Fable 5의 행동 원칙을 적용하여 Claude Code에서 Opus 4.8의 성능을 최적화하는 플러그인 개발 사례를 소개합니다. 시스템 프롬프트, 하네스 훅, 평가 루프를 통해 모델의 출력 스타일과 실행 능력을 정교하게 제어합니다.

AI API 비용을 밑바닥부터 획기적으로 줄이는 법: 아무도 말해주지 않는 사실

AI API 비용을 획기적으로 줄이기 위해 고성능 플래그십 모델 대신 작업 성격에 맞는 적절한 모델을 선택하는 전략을 제안합니다. 단순 채팅이나 분류 작업에는 저렴한 모델을 사용하는 라우팅 테이블 구축을 통해 수익성을 극대화할 수 있습니다.

유계 메모리 게이트를 갖춘 안정적인 자기 변조 양자 고속 가중치 프로그래머 (Stable Self-Modulating Quantum

양자 고속 가중치 프로그래머(QFWP)의 긴 시퀀스 처리 시 발생하는 발산 문제를 해결하기 위해 유계 메모리 게이트를 적용한 새로운 연구를 소개합니다. tanh 게이트를 통해 이전 상태의 변조을 안정화함으로써 양자 시퀀스 모델링의 강건성을 향상시켰습니다.

측정 장치로서의 언어 모델 (Language Models as Measurement Apparatus)과 문화

언어 모델이 문화적 현상을 정량화할 때, 모델과 데이터, 평가 방식이 문화적 현실을 단순히 기록하는 것이 아니라 능동적으로 구성한다는 점을 논합니다. 카렌 바라드의 '행위적 절단' 개념을 통해 모델 설계가 문화적 경계를 획정하는 과정을 분석합니다.

[audio.cpp] GGML의 소리 — C++/GGML 네이티브 ACE-Step, Stable Audio, HeartMuLa

audio.cpp가 GGML 기반의 대규모 오디오 확장 기능을 출시했습니다. 음악 및 효과음 생성, 음원 분리 기능을 포함하며, C++/GGML 네이티브 경로를 통해 기존 Python 대비 빠른 추론 성능을 제공합니다.

AI 에이전트(Claude Code)를 1년 동안 '사원'으로서 실무에 사용하며 알게 된 것 ―― 자사 사이트를 12.89초에서 2.03초로

Claude Code가 파일을 다시 읽고 명령 출력을 확인하며 낭비하는 토큰 양을 일주일 동안 측정해 보았습니다. 약 1,050만 개에

Claude Code 사용 시 발생하는 과도한 토큰 낭비를 줄이기 위해 오픈 소스 도구인 repowise를 개발했습니다. 명령 출력 압축과 효율적인 검색 방식을 통해 일주일간 약 1,050만 개의 토큰을 절약하는 성과를 거두었습니다.

Claude Code에서 Grok으로 전환하기 – 동일한 인터페이스, 다른 모델

Claude Code의 인터페이스를 유지하면서 모델만 Grok으로 교체하여 사용하는 기술적 방법을 소개합니다. CLIProxyAPI 프록시를 활용해 Anthropic API 요청을 xAI의 Grok API로 전달하는 과정을 다룹니다.

결정 피로가 당신의 AI 워크플로우를 망치고 있습니다 (해결책 포함)

AI 자동화 워크플로우 구축 시 발생하는 '결정 피로' 문제를 분석하고, 이를 해결하기 위한 전략을 제시합니다. 단순 자동화를 넘어 의사결정의 밀도를 낮추는 프레임워크를 통해 효율적인 AI 시스템을 구축하는 방법을 다룹니다.

MER-TRANS 2026에서의 HULAT2: 스페인어 쉬운 읽기(Easy-to-Read) 생성을 위한 제어된 멀티 에이전트 단순화

MER-TRANS 2026의 스페인어 쉬운 읽기(Easy-to-Read) 생성 태스크를 위한 HULAT2 시스템을 소개합니다. LangGraph 기반의 멀티 에이전트 워크플로우와 신호 유도형 라우팅을 통해 기존 베이스라인보다 우수한 성능을 입증했습니다.

SkillFuzz: 오픈 스킬 마켓플레이스 내 암시적 의도 발견을 위한 스킬 조합 퍼징 (Fuzzing)

LLM 에이전트용 스킬 마켓플레이스에서 개별 스킬의 조합으로 발생하는 '암시적 의도'를 탐지하기 위한 SkillFuzz를 제안합니다. 실행 없이도 몬테카를로 트리 탐색을 통해 충돌하는 스킬 조합을 효율적으로 찾아내는 연구입니다.

NLP의 미래는 NLP 컨퍼런스에 있지 않을 수도 있다: 자연어 처리 분야의 학술적 이동 패턴

LLM의 발전으로 인해 NLP 연구의 학술적 중심이 ACL과 같은 전통적인 NLP 컨퍼런스에서 일반 머신러닝(ML) 컨퍼런스로 이동하고 있습니다. 연구 결과, 신진 저자들의 일반 ML 학술 대회 게재 비중이 크게 증가했으며 이는 인용 프리미엄의 영향으로 분석됩니다.

출처를 파악하라: 미디어 배경 조사(Media Background Checks)를 위한 공개 지식 저장소

RAG 시스템의 신뢰성을 높이기 위해 미디어 출처의 신뢰성을 평가하는 '미디어 배경 조사(MBC)' 연구를 소개합니다. 기존의 비용 문제와 재현성 한계를 극복하기 위해 200개 미디어 출처를 포함한 공개 지식 저장소인 MEDIAREF를 제안합니다.

월드 와이드 모델: 문화적 AI를 위한 문학적 도구

LLM의 단일 언어적 한계를 극복하기 위해 문학적 분석 도구를 활용한 문화적 AI 구축 방안을 제안합니다. 비판 이론과 세계 문학 접근 방식을 통해 AI가 다원적 해석과 문화적 소양을 갖출 수 있는 계층적 프레임워크를 다룹니다.

대규모 언어 모델(LLM)을 이용한 Linux/bash 시험의 자동 채점: 4단계 인지 분류 체계 접근 방식

LLM을 활용하여 Linux/bash 명령 응답을 자동 채점하는 연구를 다룹니다. 4단계 인지 분류 체계를 도입하여 GPT, Claude, Gemini 등의 모델 성능을 평가했으며, 루브릭 기반 프롬프팅이 채점 정확도 향상에 핵심임을 입증했습니다.

스케일링이 LLM을 이용한 사회적 시뮬레이션(Social Simulation)을 개선할 것인가?

LLM의 스케일링 법칙이 사회적 시뮬레이션의 충실도를 개선할 수 있는지 연구했습니다. 대부분의 행동 및 의견 모델링은 스케일링에 따라 개선되지만, 종단적 예측이나 저자원 도메인, 특정 인지적 편향 보정에는 한계가 있음을 밝혀냈습니다.

EvoPolicyGym: 상호작용 환경에서의 자율적 정책 진화 (Autonomous Policy Evolution) 평가

자율 에이전트가 제한된 상호작용 예산 내에서 정책을 반복적으로 개선하는 능력을 평가하는 새로운 벤치마크인 EvoPolicyGym을 소개합니다. 이 시스템은 에이전트의 정책 진화 과정을 궤적 수준에서 진단하여 단순 점수 이상의 심층적인 분석을 제공합니다.

TestEvo-Bench: 테스트와 코드의 공동 진화를 위한 실행 가능하고 라이브한 벤치마크

소프트웨어 코드와 테스트의 공동 진화를 평가하기 위한 실행 가능한 라이브 벤치마크인 TestEvo-Bench를 소개합니다. 실제 커밋 히스토리를 기반으로 테스트 생성 및 업데이트 능력을 측정하며, 데이터 누수를 방지하기 위해 주기적으로 업데이트되는 구조를 갖추고 있습니다.

훈련이 필요 없는 개념 국지화(Concept Localization)를 통한 타이포그래피 공격(Typographic Attack)에 대한

CLIP 기반 시각-언어 모델(LVLM)이 이미지 내 텍스트에 의해 시각적 의미 대신 어휘적 의미에 편향되는 '타이포그래피 공격(TA)' 문제를 분석합니다. 별도의 훈련 없이 기계론적 해석 가능성을 통해 공격의 근원을 식별하고, 어텐션 가중치 조정을 통해 모델의 강건성을 높이는 방법을 제안합니다.

강화학습 (Reinforcement Learning)을 통한 시각적 근거 기반의 시각-언어 모델 (Vision-Language Models)

기존 시각-언어 모델(LVLM)의 자기 성찰 과정에서 발생하는 시각적 근거 부족 문제를 해결하기 위해 새로운 강화학습 프레임워크인 VRRL을 제안합니다. VRRL은 궤적 접두사 마스킹과 경험 재생 버퍼를 통해 모델이 잘못된 예측으로부터 효과적으로 회복하고 시각적 근거에 기반해 수정하도록 학습시킵니다.