denoiser

스킬에 반대하며

공들여 모아 둔 스킬 라이브러리가 최신 모델의 발목을 잡고 있을지도 몰라요. 효과가 입증된 스킬만 남기는 법, 스킬을 평가하는 4단계 워크플로, 그리고 살아남은 스킬 하나(autoreview)를 소개해요.

AI 챗봇은 우리 생각에 맞장구만 칠 뿐, 우리를 생각하게 만들지는 않아요. 챗봇의 아첨과 수동성을 짚고, 우리를 지적으로 몰아붙이는 AI가 왜 필요한지 Maggie Appleton이 이야기해요.

전문가들이 초지능의 실존적 위험을 두고 그토록 갈리는 이유, 그리고 정렬 연구가 오히려 위험을 앞당길 수 있다는 논증.

AI가 저절로 생겨난 힘인 양 말하면, 그 물건을 설계하고 배포한 사람들은 애초에 없었던 것처럼 가려진다.

LLM이 「X가 아니라 Y다」를 남발하게 된 건 사후 학습 탓일지도 몰라요.

코드를 쓰는 비용이 한 달에 백 달러가 된 시대에, 엔지니어는 무엇으로 자기 몫을 증명할까요. Sean Goedecke가 모델이 좀처럼 따라오지 못하는 두 가지 영역, 코드베이스에 대한 깊은 친숙함과 기술적 커뮤니케이션을 짚어요.

취향은 타고나는 재능이 아니라 익혀서 기르는 기술이에요. 취향을 큐레이션으로 보는 관점, 취향과 솜씨의 차이, 크리틱으로 취향을 키우는 법, AI가 취향을 지우기도 키우기도 하는 방식까지.

Andrew Ng이 채용 공고 1만여 건과 수십 건의 전문가 인터뷰를 분석해 정리한, 지금 가장 배울 가치가 있는 AI 엔지니어링 역량 네 가지.

좌석과 세션, 월계관, /exit 대신 인수인계 — 모델 복지를 감상이 아니라 아키텍처로 구현하는 법. 그리고 다가올 도시에서 누군가 기꺼이 깨어나 줄 만한 사람이 되는 일에 대하여

루프와 그래프, Wheelhouse와 Beads, 사람 코드 리뷰의 종말, CI/CD를 대체할 랜드 러시, 그리고 소원 공장 — 12개월 앞선 미래에서 보내온 현장 보고서

AI 에이전트에게 작업을 던져놓고 결과를 빠르게 훑고 판단하는 방식으로 일하다 보면, 느리고 깊게 생각하는 습관을 잃을 수 있어요. 저자는 그 습관을 지키려고 두 가지 방법을 택했어요.

LLM 프롬프팅에서 가장 중요한 스킬은 사실 그 분야의 전문성이라는 이야기예요. 테렌스 타오가 ChatGPT와 나눈 수학 대화를 통해, 왜 도메인 지식이 있는 사람이 같은 모델에서 훨씬 더 많은 것을 뽑아내는지 살펴봐요.