https://techllm.github.io/tags/%EC%97%90%EC%9D%B4%EC%A0%84%ED%8A%B8/Recent content in 에이전트 on TechLLMHugokoWed, 24 Jun 2026 09:16:00 +0900https://techllm.github.io/posts/mistral-ocr-4-structured-output-rag/Wed, 24 Jun 2026 09:16:00 +0900https://techllm.github.io/posts/mistral-ocr-4-structured-output-rag/Mistral이 새로 공개한 OCR 4는 단순히 문서에서 글자를 뽑아 주는 도구가 아닙니다. 글자가 페이지 어디에 있는지(바운딩 박스), 그 덩어리가 무엇인지(제목·표·수식·서명 같은 블록 분류), 모델이 얼마나 확신하는지(페이지·단어별 신뢰도)까지 한꺼번에 돌려줍니다. 170개 언어를 지원하고 컨테이너 하나로 자체 호스팅이 되며, 가격은 1,000페이지에 4달러. RAG·에이전트·기업 검색 파이프라인의 '인용 가능한 입력'으로 설계됐다는 점이 핵심입니다.https://techllm.github.io/posts/huggingface-ard-agentic-resource-discovery/Thu, 18 Jun 2026 02:28:00 +0900https://techllm.github.io/posts/huggingface-ard-agentic-resource-discovery/허깅페이스가 마이크로소프트·구글·고대디와 함께 만든 ARD(Agentic Resource Discovery) 초안이 공개됐습니다. 도구를 미리 설치하지 않아도 에이전트가 런타임에 직접 찾아 호출할 수 있게 해주는 표준입니다. ai-catalog.json과 검색 REST API라는 두 축이 어떻게 동작하는지, hf discover 명령으로 실제로 어떻게 써보는지 정리했습니다.https://techllm.github.io/posts/gepa-reflective-prompt-optimization/Mon, 08 Jun 2026 11:20:44 +0900https://techllm.github.io/posts/gepa-reflective-prompt-optimization/GEPA는 프롬프트를 한 덩어리가 아니라 지시/형식 컴포넌트로 쪼개 진화시키고, 점수와 자연어 피드백을 함께 던져 약한 모델을 반복적으로 끌어올린다. 12문항 학습·6문항 홀드아웃 검증으로 일반화까지 확인하는 구체 레시피.https://techllm.github.io/posts/uni-lavira-language-vision-robot-navigation-zero-shot/Thu, 28 May 2026 13:07:00 +0900https://techllm.github.io/posts/uni-lavira-language-vision-robot-navigation-zero-shot/데이터 없이 네 종류 로봇이 네 종류 탐색 과제를 수행한다. Uni-LaViRA는 MLLM의 자연 출력 공간에 항법 결정 구조를 맞춰 학습 없이 VLN-CE R2R 60.7%, HM3D-v2 77.7%를 달성했다.https://techllm.github.io/posts/ai-agent-glossary-harness-scaffold-terms/Wed, 27 May 2026 02:14:00 +0900https://techllm.github.io/posts/ai-agent-glossary-harness-scaffold-terms/HuggingFace가 정리한 AI 에이전트 핵심 용어집. Harness·Scaffold·Agent·Policy·Context Engineering 등 현장에서 혼용되던 개념을 명확하게 구분한다.https://techllm.github.io/posts/claude-code-goal-autonomous-work/Wed, 13 May 2026 23:26:00 +0900https://techllm.github.io/posts/claude-code-goal-autonomous-work/Claude Code의 /goal 명령은 완료 조건을 설정하고 그 조건이 충족될 때까지 매 턴마다 자동으로 일을 이어 가는 슬래시 커맨드입니다. /loop, Stop hook, auto mode와의 차이부터 좋은 조건을 어떻게 작성해야 하는지까지 정리합니다.https://techllm.github.io/posts/ai-eval-costs-new-compute-bottleneck/Sun, 10 May 2026 09:00:00 +0900https://techllm.github.io/posts/ai-eval-costs-new-compute-bottleneck/HAL 리더보드는 9개 모델 평가에 4만 달러를 썼다. PaperBench 1회 실행 비용은 9,500달러. AI 평가 비용이 학계와 안전 기관이 감당할 수 없는 수준에 도달했다.https://techllm.github.io/posts/ai-agent-model-selection-really-matters/Thu, 23 Apr 2026 06:49:00 +0900https://techllm.github.io/posts/ai-agent-model-selection-really-matters/AI Agent 성능은 모델 선택에 영향을 받지만, 실무에서는 과업 유형, 툴 사용, 프롬프트 구조, 검증 루프가 더 큰 차이를 만드는 경우가 많습니다. 비싼 모델이 항상 정답은 아닙니다.