코알라 오딧세이

안녕하세요, 코알라입니다. 🐨오늘은 제 블로그가 새로운 보금자리로 이사한 이야기를 해볼게요.왜 직접 서버를 운영하게 됐나요?블로그와 API 서버를 운영하려면 어딘가에 올려야 하잖아요. 처음엔 AWS도 고려했는데, 월 $250 이상이라는 가격표를 보고 바로 포기했습니다. 알아보다 보니 Contabo라는 독일 회사의 VPS가 눈에 띄었어요. 8코어 / 24GB RAM / 400GB SSD 서버를 월 $24에 빌릴 수 있었거든요. AWS 대비 10배 이상 저렴하면서도 충분한 스펙이었습니다.전체 아키텍처제 블로그는 두 개의 레포지토리로 구성되어 있어요.blog: Next.js 15 (App Router) 기반 프론트엔드. 마크다운 파일로 글을 관리합니다.api: FastAPI 기반 백엔드. SQLite DB를..

Kubeflow 구축 완벽 가이드: 각 컴포넌트 상세 설치Kubeflow는 Kubernetes 위에서 머신러닝 워크플로우를 구축, 배포, 관리하기 위한 오픈소스 플랫폼입니다. 이 가이드에서는 Kubeflow v1.10/v1.11 (최신 버전)을 기준으로 각 컴포넌트를 단계별로 상세하게 설치하는 방법을 알아보겠습니다.목차Kubeflow 소개사전 요구사항설치 방법 선택기본 인프라 컴포넌트 설치Kubeflow 핵심 컴포넌트 설치클러스터 접속 및 검증첫 워크플로우 실행1. Kubeflow 소개1.1 Kubeflow란?Kubeflow는 ML 워크플로우를 간단하고, 이식 가능하며, 확장 가능하게 만들기 위한 머신러닝 툴킷입니다. 구글에서 시작되어 현재는 CNCF(Cloud Native Computing Founda..

Kubernetes 구축 완벽 가이드Kubernetes(쿠버네티스, 줄여서 K8s)는 컨테이너화된 애플리케이션의 배포, 확장 및 관리를 자동화하는 오픈소스 플랫폼입니다. 이 가이드에서는 Kubernetes 클러스터를 처음부터 구축하는 방법을 단계별로 알아보겠습니다.목차Kubernetes란?사전 요구사항구축 방법 선택하기Minikube로 로컬 환경 구축하기Kubeadm으로 프로덕션 클러스터 구축하기클러스터 검증하기첫 애플리케이션 배포하기1. Kubernetes란?Kubernetes는 Google이 개발하고 현재는 Cloud Native Computing Foundation(CNCF)에서 관리하는 컨테이너 오케스트레이션 플랫폼입니다. 주요 기능은 다음과 같습니다:자동화된 배포 및 롤백서비스 디스커버리와 로드..

논문 주소 : https://arxiv.org/pdf/2502.09956 최근 자연어 처리 분야에서는 **지식 그래프(Knowledge Graph, KG)**의 중요성이 크게 증가했습니다. 지식 그래프는 개체(entity)와 관계(relation)를 구조화된 형태로 나타내는 데이터 구조로, 검색, 추천, 질문응답 등 다양한 응용에서 핵심으로 사용됩니다. 하지만 실제로 양질의 지식 그래프 데이터를 확보하는 일은 매우 어렵습니다. 대규모 그래프들은 대부분 사람이 직접 라벨링하거나 고정된 패턴으로 생성된 것으로, 새로운 도메인이나 텍스트에 적용하기 어렵습니다. 이 문제를 해결하기 위해 본 논문에서는 KGGen이라는 도구를 제안했습니다. KGGen은 **평문(plain text)**으로부터 자동으로 고품질의 지..

블로그를 시작한지 얼마되지 않은 것 같은데 벌써 60번째 글을 쓰게되었습니다. 앞으로도 열심히 글을 작성하도록 하겠습니다! 이번 주제는 Geek News에 올라온 흥미로운 도구에 대한 내용입니다. SQLite를 사용하면서 그래프 데이터를 다루고 싶다면? GraphQLite가 그 해답이 될 수 있습니다. 이 오픈소스 프로젝트는 SQLite에 그래프 데이터베이스 기능을 추가하는 확장 모듈로, Cypher 쿼리 언어를 사용해 노드와 관계를 표현할 수 있게 해줍니다. 왜 GraphQLite인가? 일반적으로 그래프 데이터베이스를 사용하려면 Neo4j 같은 별도의 서버를 구축해야 합니다. 하지만 GraphQLite는 SQLite의 단순함을 그대로 유지하면서 그래프 쿼리 기능을 제공합니다. 단일 파일 데이터베이스, ..

들어가며: 언어 모델은 왜 비효율적일까? 여러분이 **"알렉산더 대왕"**이라는 단어를 처음 본다고 상상해보세요. 우리 뇌는 즉시 이 정보를 인식하고 관련 지식을 떠올립니다.하지만 현재의 대규모 언어 모델(LLM)은 이런 간단한 작업을 위해 여러 레이어의 복잡한 계산을 거쳐야 합니다.💡 비유: 전화번호부에서 번호를 찾는 대신, 매번 숫자를 하나씩 계산해서 맞춰보는 것과 같습니다. DeepSeek-AI의 최신 연구 Engram은 바로 이 문제를 해결합니다.논문 정보제목: Conditional Memory via Scalable Lookup: A New Axis of Sparsity for Large Language Models기관: DeepSeek-AI & Peking University발표: 2025년..

메타의 Confucius Code Agent에 이어서 Anthropic이 공개한 Sandbox Runtime에 대해서 리뷰해보고자 합니다. Sandbox Runtime 은 컨테이너 없이도 OS 레벨에서 프로세스의 파일시스템과 네트워크 접근을 제한할 수 있는 경량 샌드박싱 도구입니다. Claude Code를 위해 개발되었으며, AI 에이전트를 더 안전하게 만들기 위한 연구 프리뷰로 오픈소스로 공개되었습니다. 왜 필요한가? AI 에이전트가 코드를 실행하거나 파일을 수정할 때, 우리는 다음과 같은 걱정을 하게 됩니다:민감한 SSH 키나 설정 파일에 접근하면 어쩌지?허가되지 않은 외부 서버로 데이터를 전송하면?시스템 파일을 실수로 삭제하거나 수정하면?Sandbox Runtime은 이러한 위험을 기본적으로 차단하..

이번에는 Meta와 Harvard가 공동으로 발표한 소프트웨어 엔지니어링 에이전트 논문에 대해 다루어 보고자 합니다.실제 프로덕션 환경에서 수백만 줄의 코드를 다루는 AI 에이전트를 만드는 것은 쉽지 않습니다. 작은 데모 프로젝트에서는 잘 작동하던 에이전트들이 실제 대규모 코드베이스에서는 맥을 못 추는 경우가 많죠. Confucius Code Agent(CCA)는 이러한 한계를 극복하기 위해 설계된 프레임워크입니다. 이 글에서는 CCA의 핵심 아이디어와 구현 전략을 살펴보고, 실제 코드 예제를 통해 어떻게 동작하는지 알아보겠습니다. 왜 기존 에이전트들은 실패했을까?연구진은 실제 소프트웨어 엔지니어링에서 AI 에이전트가 직면하는 두 가지 핵심 도전 과제를 정의했습니다:1. 장문맥 추론(Long-contex..

실시간 음성 인식 기술은 음성 비서, 실시간 자막, 대화형 AI 시스템 등 다양한 분야에서 필수적인 기술로 자리잡았습니다. 그러나 전통적인 ASR(Automatic Speech Recognition) 시스템은 속도와 정확도 사이의 트레이드오프, 높은 계산 비용, 그리고 동시 처리 시 발생하는 지연 증가 등의 문제를 안고 있었습니다. NVIDIA는 이러한 문제를 해결하기 위해 Nemotron Speech Streaming ASR 모델을 개발했습니다. 이 모델은 혁신적인 캐시 인식(cache-aware) 아키텍처를 통해 기존 시스템 대비 최대 3배 향상된 효율성을 달성하면서도 높은 정확도를 유지합니다. 본 글에서는 Nemotron Speech Streaming 모델의 이론적 배경, 아키텍처, 그리고 실제 사..

이번에 Anthropic에서 흥미로운 주제로 블로그 글을 올렸는데요. 아마 LLM을 채팅 형식의 솔루션으로 개발하시는 분들이라면 한번 쯤 고민해보셨던 내용이 아닐까 싶습니다. AI 에이전트가 점점 더 복잡한 작업을 수행하게 되면서, 하루나 이틀이 걸리는 긴 프로젝트를 완수해야 하는 상황이 늘고 있습니다. 그런데 여기에는 큰 문제가 하나 있습니다. 에이전트는 개별 세션으로 작동하며, 각 새로운 세션은 이전 세션의 기억이 전혀 없이 시작됩니다. 마치 교대 근무하는 엔지니어들이 인수인계를 전혀 받지 못한 채 일하는 것과 같습니다. Anthropic은 이 문제를 해결하기 위해 Claude Agent SDK에 적용할 수 있는 효과적인 방법을 개발했다고 합니다. 원문 : https://www.anthropic.co..