Anthropic의 ‘AI가 스스로를 만든다’는 선언은 재귀적 자기개선보다 먼저 병목 이동을 보여준다
Anthropic Institute의 When AI builds itself는 공개 벤치마크와 내부 데이터를 묶어 AI 개발에서 실행 비용은 급격히 낮아지고, 판단·검증·거버넌스가 새로운 병목으로 떠오른다는 점을 보여준다.
Tag7 posts
#AI Agents
글 목록
Autoresearch는 코딩 에이전트를 지표 기반 개선 루프로 바꾼다
uditgoenka/autoresearch는 Karpathy의 autoresearch를 Claude Code, OpenCode, Codex용 skill/command 패키지로 확장해 Goal·Scope·Metric·Verify 중심의 원자적 변경, 기...
SkillOpt는 에이전트 스킬을 가중치 없이 학습 가능한 절차로 바꾼다
Microsoft 등이 공개한 SkillOpt는 에이전트의 자연어 skill 문서를 모델 가중치가 아닌 외부 학습 상태로 보고, rollout·reflection·bounded edit·validation gate로 반복 최적화하는 text-space...
Anthropic의 effective agent 원칙은 ‘더 자율적인 모델’보다 먼저 ‘더 단순한 운영면’을 요구한다
Barry Zhang의 AI Engineer 발표는 Anthropic의 Building Effective Agents 글을 바탕으로, 에이전트를 모든 문제에 붙이는 대신 복잡도·가치·검증 가능성·오류 비용을 따지고, 도구와 환경과 시스템 프롬프트로 이...
Hugging Face Open Agent Ecosystem은 에이전트가 모델을 고르고 학습하는 Hub를 만든다
Merve Noyan의 AI Engineer 발표는 Hugging Face Hub가 모델 저장소를 넘어, 오픈 모델 탐색·Inference Providers·traces·skills·MCP·Jobs를 묶어 에이전트가 직접 모델을 선택하고 학습 작업을...
Arize Alyx의 계층적 메모리는 에이전트 실패를 context window 문제가 아니라 제품 아키텍처 문제로 본다
AI Engineer 발표에서 Arize의 Sally-Ann DeLucia는 Alyx를 만들며 겪은 context explosion을 바탕으로, 단순 truncation이나 LLM summarization보다 ID 기반 memory store, lon...
Demand-Driven Context는 에이전트의 실패를 지식 베이스 큐레이션 신호로 쓴다
AI Engineer 워크숍 영상의 Demand-Driven Context는 엔터프라이즈 에이전트가 실패한 지점을 관찰해 필요한 도메인 지식만 구조화하고, 지식 모놀리스를 agent-ready context block으로 바꾸려는 방법론이다.