쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 16일 (월)까지 4683건
6건 · "에이전트 비용"조건 지우기 ×
001 00:11 ▲ 11 · 댓글 2 추론 기록 압축으로 LLM의 토큰 낭비 줄인다 추론은 언어모델이 어려운 문제를 푸는 능력을 크게 향상시키지만, 긴 추론 과정이 비용을 늘린다. AI · 머신러닝 · Why Pay for Long Reasoning When Rewrite Do Trick? Causal Effects of Reasoning History Compaction on Future Generation and Agent Cost
Key Point LLM 추론 과정의 토큰 낭비 구조를 드러내고 재훈련 없이 비용을 실제로 줄일 수 있는 방법을 제시하며, 에이전트 시스템의 운영 비용 최적화에 직접 적용할 수 있다.
핵심 요약
추론은 언어모델이 어려운 문제를 푸는 능력을 크게 향상시키지만, 긴 추론 과정이 비용을 늘린다. 효율적인 추론은 반복과 문제 해결에 불필요한 텍스트를 줄여 유용한 분석을 더 적은 토큰으로 표현해야 한다. 연구팀은 개방형 가중치 모델이 재훈련 없이 과거 추론을 재작성해 덜 장황한 추론을 생성할 수 있는지 조사했다. 전체 요약 7문장 읽기 → 002 03:11 ▲ 100 · 댓글 160 YC 대표가 연 20만 달러를 AI 토큰에 쓰는 까닭 Y Combinator CEO 개리 탄은 연간 10만~20만 달러를 AI 토큰 사용에 지출한다고 월터 아이작슨 팟캐스트에 공개했다. AI · 머신러닝 · YC's Garry Tan uses AI agents so much, he spends up to $200K a year on tokens
Key Point 연간 20만 달러 투자로 업무부터 개인 생활까지 운영하는 CEO의 사례는, 기업 수준의 AI 에이전트 도입이 어떤 규모로 이뤄지고 있으며 개인화된 AI가 앞으로 어떻게 변할지 보여주는 현실의 신호다.
핵심 요약
Y Combinator CEO 개리 탄은 연간 10만~20만 달러를 AI 토큰 사용에 지출한다고 월터 아이작슨 팟캐스트에 공개했다. 그는 23개의 Claude Code 스킬로 구성된 gstack을 GitHub에 공개해 AI 에이전트의 활용법을 다른 사람들에게 알리고 있다. AI 에이전트는 팟캐스트 준비나 질문 예상 같은 업무부터 자신의 이메일·드롭박스·노트·심리치료 기록까지 모두 읽고 관리하는 개인 삶 운영까지 담당한다. 전체 요약 6문장 읽기 → 003 15:11 ▲ 37 · 댓글 4 LLM 추론 수준 선택, 비용 대비 성능 불균형 LLM의 추론 노력(reasoning effort) 설정은 사용자가 추론 시간 계산량을 조절해 비용과 성능을 맞바꿀 수 있게 한다. AI · 머신러닝 · What Effort Level Should I Choose? On the Economics of Reasoning Effort in LLM Agents
Key Point LLM 에이전트의 추론 비용 책정이 경제학적으로 비합리적임을 실증적으로 규명해, 실제 운영 시 에이전트 비용을 크게 절감할 수 있는 전략을 제시한다.
핵심 요약
LLM의 추론 노력(reasoning effort) 설정은 사용자가 추론 시간 계산량을 조절해 비용과 성능을 맞바꿀 수 있게 한다. 추론 노력은 신용재(credence good): 사용자는 결과를 보지만 추가 계산의 한계 가치를 평가할 수 없다. 연구팀은 4개 벤치마크에서 여러 노력 수준의 인과적 효과를 측정했으며, 단일 호출 추론과 장기 에이전트 작업을 포함했다. 전체 요약 10문장 읽기 → 004 09:11 ▲ 12 · 댓글 3 코딩 에이전트 평가 기준이 현실 업무와 안 맞는 문제 JetBrains IDE의 실제 소프트웨어 엔지니어 4,782개 세션을 수집해 분석한 결과, 3개 이상의 사용자 메시지를 포함한 장기 세션(전체의 33%)은 이슈 기반 벤치마크 과제와 크게 다른 특징을 보인다. AI · 머신러닝 · Coding-Agent Benchmarks Should Match Their Users' Task Flows
Key Point 코딩 에이전트 벤치마크가 현실의 엔지니어 업무 흐름과 불일치하는 문제를 실데이터로 입증하고, 평가 기준을 개선하는 방법을 제시한다.
핵심 요약
JetBrains IDE의 실제 소프트웨어 엔지니어 4,782개 세션을 수집해 분석한 결과, 3개 이상의 사용자 메시지를 포함한 장기 세션(전체의 33%)은 이슈 기반 벤치마크 과제와 크게 다른 특징을 보인다. 실제 작업은 단일한 작업 유형보다는 코드 질문, 계획, 검토, 리팩토링, 실행 등 다양한 작업이 혼합되어 있으며, 사용자들이 작업 유형 간에 자주 전환한다. 세 개의 공개 상호작용 코퍼스에서 추출한 장기 세션들이 서로 다른 Task Flow(세션 길이, 작업 유형, 유형 간 전환 패턴의 분포)를 보이므로, 단일한 상호작용 분포로는 현실성을 보장할 수 없다. 전체 요약 8문장 읽기 → 005 03:11 ▲ 10 · 댓글 2 LLM 과학 코딩 에이전트를 위한 실행 가능한 검증 도구 개발 과학 코딩 에이전트가 작성된 규칙을 실행 가능한 검증 도구로 변환하는 'Rules to Tools(R2T)' 방식을 제시한다. AI · 머신러닝 · Rules to Tools: Executable Checks for LLM Agents in Scientific Computing
Key Point LLM 에이전트가 과학 코딩 작업에서 검증 도구의 성능이 텍스트 설명과 비교해 작업 유형에 따라 크게 달라지는데, 이는 에이전트 시스템 설계 시 검증 방식 선택의 중요성을 보여준다.
핵심 요약
과학 코딩 에이전트가 작성된 규칙을 실행 가능한 검증 도구로 변환하는 'Rules to Tools(R2T)' 방식을 제시한다. SciCode 벤치마크의 수리 작업에서 검증 도구를 사용한 그룹이 텍스트 설명만 받은 그룹과 비교해 다양한 성능을 보였다. 8개 작업 기준으로 도구 사용 그룹은 16개 중 15개 성공, 텍스트 그룹은 13개 성공했으며 95% 신뢰 구간은 [-12.5, 43.75]%다. 전체 요약 8문장 읽기 → 006 09:11 ▲ 115 · 댓글 70 비동기 도구 호출로 AI 에이전트 비용 40% 절감한 언리얼 에이전트 언리얼 랩스가 AI 에이전트 실행 비용을 줄이기 위해 설계한 '언리얼 에이전트' 하네스를 공개했다. AI · 머신러닝 · Unreal Agent
Key Point AI 에이전트의 운영 비용이 주요 과제인 상황에서 하네스 설계를 통해 실질적인 비용 절감을 달성한 오픈소스 솔루션이 등장했다.
핵심 요약
언리얼 랩스가 AI 에이전트 실행 비용을 줄이기 위해 설계한 '언리얼 에이전트' 하네스를 공개했다. 기존 에이전트들이 도구 호출 관리에 많은 토큰을 소비하는 문제를 해결하기 위해 비동기 방식의 도구 호출을 구현했다. 도구 실행을 백그라운드에서 처리하면서 곧바로 'in-progress' 상태를 기록함으로써 사용자 입력을 지연 없이 받을 수 있다. 전체 요약 5문장 읽기 →