Socials on TechLLMhttps://techllm.github.io/social/Recent content in Socials on TechLLMHugokoSun, 24 May 2026 21:39:06 +0900Cosmos Predict 2.5 로봇 영상 LoRA/DoRA SNS 콘텐츠https://techllm.github.io/social/cosmos-predict-robot-video-lora-dora-sns/Sun, 24 May 2026 21:39:06 +0900https://techllm.github.io/social/cosmos-predict-robot-video-lora-dora-sns/Cosmos Predict 2.5 로봇 영상 LoRA/DoRA 글을 위한 Threads 문안과 Instagram 카드뉴스 구성<link>https://techllm.github.io/social/agentmemory-persistent-memory-ai-coding-agents-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/agentmemory-persistent-memory-ai-coding-agents-sns/</guid><description><h1 id="sns-content--agentmemory">SNS Content — agentmemory</h1> <h2 id="threads">Threads</h2> <p><strong>버전 A (인사이트형)</strong></p> <blockquote> <p>AI 코딩 에이전트는 왜 매번 처음부터 시작할까?</p> <p>세션이 끝나면 JWT 인증 경로도, 버그 히스토리도, 코드 컨벤션도 전부 잊어버린다.</p> <p>agentmemory가解决这个问题. 4-Tier 메모리 파이프라인으로 에이전트가 세션 간 기억을 유지한다. BM25 + 벡터 + 지식 그래프 RRF 융합. 검색 정확도 R@5: 95.2%. 토큰 비용 92% 절감.</p></description></item><item><title/><link>https://techllm.github.io/social/ai-agent-workflow-over-prompt-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/ai-agent-workflow-over-prompt-sns/</guid><description><h1 id="sns-홍보-콘텐츠">SNS 홍보 콘텐츠</h1> <p>원문: <code>content/posts/ai-agent-workflow-over-prompt.md</code><br> 발행 URL: <code>https://techllm.github.io/posts/ai-agent-workflow-over-prompt/</code></p> <hr> <h2 id="threads-후보">Threads 후보</h2> <h3 id="후보-1--인사이트형">후보 1 — 인사이트형</h3> <p>AI를 잘 쓰는 사람은 프롬프트를 길게 쓰는 사람이 아닙니다.</p> <p>진짜 차이는 일을 맡기는 구조에서 납니다.</p></description></item><item><title/><link>https://techllm.github.io/social/fastest-growing-areas-in-neuroscience-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/fastest-growing-areas-in-neuroscience-sns/</guid><description><h1 id="sns-pack--신경과학에서-가장-빠르게-커지는-분야들">SNS Pack — 신경과학에서 가장 빠르게 커지는 분야들</h1> <p>Blog URL: <a href="https://techllm.github.io/posts/fastest-growing-areas-in-neuroscience/">https://techllm.github.io/posts/fastest-growing-areas-in-neuroscience/</a></p> <h2 id="threads">Threads</h2> <p>신경과학에서 가장 빠르게 커지는 분야들.</p> <p>The Transmitter의 2025 현황 조사에서 반복해서 나온 키워드는 AI, 계산 신경과학, 시스템 신경과학, 자연 행동 연구, 신경면역학입니다.</p></description></item><item><title/><link>https://techllm.github.io/social/google-cloud-okf-markdown-ai-agents-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/google-cloud-okf-markdown-ai-agents-sns/</guid><description><h1 id="sns-content--google-cloud-okf-markdown-ai-agents">SNS Content — google-cloud-okf-markdown-ai-agents</h1> <h2 id="threads-3-part-thread">Threads (3-part thread)</h2> <p><strong>p1 (본문)</strong></p> <blockquote> <p>구글 클라우드가 Open Knowledge Format(OKF) v0.1을 공개했습니다.</p> <p>사내 위키, 데이터 카탈로그, 코드 주석, 노트북에 흩어져 있던 지식을 마크다운 한 묶음으로 표준화하는 미니멀 스펙입니다.</p></description></item><item><title/><link>https://techllm.github.io/social/litert-lm-on-device-genai-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/litert-lm-on-device-genai-sns/</guid><description><h1 id="sns-content--litert-lm-on-device-genai">SNS Content — LiteRT-LM On-device GenAI</h1> <p>블로그 URL: <a href="https://techllm.github.io/posts/litert-lm-on-device-genai/">https://techllm.github.io/posts/litert-lm-on-device-genai/</a> 대표 이미지: <a href="https://techllm.github.io/images/litert-lm-hero.png">https://techllm.github.io/images/litert-lm-hero.png</a></p> <h2 id="threads">Threads</h2> <p><strong>P1</strong></p> <blockquote> <p>서버 없이 76 tokens/sec.</p> <p>Google이 LiteRT-LM으로 보여준 건 단순한 온디바이스 데모가 아닙니다.</p> <p>Gemma 4를 Android, iOS, WebGPU 위에서 빠르게 돌리고, MTP·세션 복원·메모리 최적화까지 런타임 레벨에서 묶었습니다.</p></description></item><item><title/><link>https://techllm.github.io/social/nemotron-labs-diffusion-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/nemotron-labs-diffusion-sns/</guid><description><h1 id="sns-content--nemotron-labs-diffusion">SNS Content — Nemotron-Labs Diffusion</h1> <p>블로그 URL: <a href="https://techllm.github.io/posts/nemotron-labs-diffusion/">https://techllm.github.io/posts/nemotron-labs-diffusion/</a></p> <h2 id="threads">Threads</h2> <p><strong>버전 A (인사이트형)</strong></p> <blockquote> <p>LLM은 꼭 한 토큰씩 말해야 할까?</p> <p>NVIDIA의 Nemotron-Labs Diffusion은 이 질문에서 출발한다.</p> <p>기존 AR 모델은 토큰을 하나씩 생성한다. 안정적이지만 GPU에서는 메모리 병목이 커지고, 한 번 낸 토큰을 고치기도 어렵다.</p></description></item><item><title/><link>https://techllm.github.io/social/open-models-ai-education-academia-hub-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/open-models-ai-education-academia-hub-sns/</guid><description><h1 id="sns-content--open-models-ai-education--academia-hub">SNS Content — Open Models AI Education / Academia Hub</h1> <p>블로그 URL: <a href="https://techllm.github.io/posts/open-models-ai-education-academia-hub/">https://techllm.github.io/posts/open-models-ai-education-academia-hub/</a></p> <h2 id="threads">Threads</h2> <p><strong>버전 A (인사이트형)</strong></p> <blockquote> <p>대학 AI 교육, 프롬프트 수업만으로 충분할까?</p> <p>Hugging Face의 글은 핵심을 이렇게 잡는다. 학생을 AI consumer로 키울 것인가, AI builder로 키울 것인가.</p></description></item><item><title/><link>https://techllm.github.io/social/petri-3-anthropic-meridian-labs-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/petri-3-anthropic-meridian-labs-sns/</guid><description><h1 id="sns-홍보-콘텐츠">SNS 홍보 콘텐츠</h1> <h2 id="원문-정보">원문 정보</h2> <ul> <li>블로그 제목: Anthropic, 얼라인먼트 테스트 툴 Petri Meridian Labs에 기증 — Petri 3.0 핵심 정리</li> <li>발행 URL: (TechLLM 발행 전 — 미발행)</li> <li>핵심 요약: Anthropic이 오픈소스 얼라인먼트 테스트 도구 Petri를 Meridian Labs에 기증하고 3.0 출시. 영국 AISI 활용 중.</li> <li>타깃 독자: AI 연구자, AI Safety 관심 실무자, ML 엔지니어</li> </ul> <h2 id="threads-후보">Threads 후보</h2> <h3 id="후보-1--인사이트형">후보 1 — 인사이트형</h3> <p>🐺 잡았다.</p></description></item><item><title/><link>https://techllm.github.io/social/qwen3-7-agent-frontier-threads/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/qwen3-7-agent-frontier-threads/</guid><description><h1 id="threads-content--qwen37-agent-frontier">Threads Content — Qwen3.7 Agent Frontier</h1> <p>블로그 URL: <a href="https://techllm.github.io/posts/qwen3-7-agent-frontier/">https://techllm.github.io/posts/qwen3-7-agent-frontier/</a> 이미지: <a href="https://techllm.github.io/images/qwen3-7-max-banner.png">https://techllm.github.io/images/qwen3-7-max-banner.png</a></p> <blockquote> <p>이번 작업은 형님 지시대로 쓰레드용 새 이미지를 생성하지 않고, 원문 메인 이미지를 사용한다.</p> </blockquote> <h2 id="threads">Threads</h2> <p><strong>P1</strong> Qwen3.7-Max 발표에서 제일 중요한 건 “점수 높은 새 모델”이 아닙니다.</p></description></item><item><title/><link>https://techllm.github.io/social/small-language-models-on-device-ai-sns/</link><pubDate>Mon, 01 Jan 0001 00:00:00 +0000</pubDate><guid>https://techllm.github.io/social/small-language-models-on-device-ai-sns/</guid><description><h1 id="sns-pack--작은-언어모델-slm이-중요한-이유">SNS Pack — 작은 언어모델 SLM이 중요한 이유</h1> <p>Blog URL: <a href="https://techllm.github.io/posts/small-language-models-on-device-ai/">https://techllm.github.io/posts/small-language-models-on-device-ai/</a></p> <h2 id="threads">Threads</h2> <p>작은 언어모델(SLM)이 다시 중요해지는 이유.</p> <p>거대한 LLM이 모든 문제의 답은 아닙니다. 오프라인 실행, 빠른 응답, 낮은 비용, 개인정보 보호가 중요한 기능이라면 SLM이 더 현실적인 선택일 수 있습니다.</p></description></item></channel></rss>