여러분, 새벽 3시에 슬랙 PagerDuty 알람 소리를 듣고 소스라치게 놀라며 깨어본 적 있으신가요? 대시보드를 켜보면 언제나 범인은 뻔합니다. “Pod OOMKilled”. 트래픽 스파이크 상황에서 외부 API나 데이터베이스로 데이터를 밀어 넣다가 병목이 생기면, 미처 처리되지 못한 스트림 버퍼가 V8 엔진의 힙(Heap) 한계를 뚫고 그대로 폭...
Link: https://arxiv.org/abs/2603.25716 Authors: … Date: March 2026 최근 쏟아지는 비디오 생성 모델들, 겉보기엔 진짜 화려하죠. 하지만 10초 이상의 롱테이크 씬을 생성해보신 분들이라면 다들 공감하실 겁니다. 자동차가 프레임 밖으로 넘어갔다가 카메라가 다시 돌아오면 어떻게 되던가요? 자동차가 증발해...
[Paper Metadata] Title: AVControl: Efficient Framework for Training Audio-Visual Controls Arxiv ID: 2603.24793 Link: https://arxiv.org/abs/2603.24793 비디오 생성 AI 씬, 솔직히 요즘 좀 피곤하지 않나요? 모델 하...
요즘 현업에서 AI 모델 좀 깎아본 분들이라면 다들 뼛속 깊이 공감하실 겁니다. “도대체 이 망할 GPU는 언제쯤 눈치 안 보고 맘 편히 쓸 수 있는 거지?” AWS 청구서는 매달 신기록을 경신하고, 사내 H100 클러스터는 이미 선행 연구팀이 독점한 지 오래입니다. 작은 사이드 프로젝트 하나 돌리려 해도 클라우드 비용 계산기부터 두드리며 한숨을 푹푹...
최근 사이드 프로젝트로 라즈베리파이 5 기반의 완전 오프라인 홈 어시스턴트를 구축하면서, 제가 마주한 가장 크고 단단한 벽은 다름 아닌 TTS(Text-to-Speech) 엔진이었습니다. 현업에서 10년 넘게 온갖 시스템을 뜯어보고 연결해 본 저에게도 로컬 음성 합성의 세계는 녹록지 않았죠. STT(음성 인식)는 Whisper의 양자화 버전을 쓰면 그...
Link: arXiv:2603.24329 Date: 2026-03-29 요즘 로보틱스나 3D 가상 환경에 LLaVA나 GPT-4V를 통째로 얹어서 자율 에이전트(Autonomous Agent)를 만드는 게 유행이죠. 데모 영상 보면 그럴싸합니다. “사과 집어줘” 하면 잘 집으니까요. 그런데 조금만 환경이 동적으로 변하거나 다른 에이전트가 개입하면 어...
현업에서 10년 넘게 코드를 만지며 수많은 오픈소스를 뜯어봤지만, 최근처럼 ‘비전 AI’ 생태계가 실시간(Real-time) 영역으로 무섭게 침투하는 걸 보면 경외감과 피로감이 동시에 몰려옵니다. 프로젝트를 진행하며 최신 트렌드를 따라잡는 것도 벅찬데, 하루가 다르게 쏟아지는 새로운 툴들은 우리를 끊임없이 시험에 들게 하죠. 과거 영상 딥페이크 기술...
안녕하세요, 10년 차 개발자이자 기술의 이면을 들여다보길 좋아하는 탐험가입니다. 최근 X(트위터)나 레딧을 보면 온통 ‘바이브 코딩(Vibecoding)’ 이야기뿐입니다. Cursor를 켜거나 Claude Code에 대고 ‘유저 인증 붙인 To-Do 앱 만들어줘’라고 치면 눈앞에서 코드가 뚝딱 완성되는 시대죠. 처음엔 다들 환호했습니다. ‘이제 개발...
[Paper] UI-Voyager: A Self-Evolving GUI Agent Learning via Failed Experience [ID] 2603.24533 [Date] March 2026 [Authors] UI-Voyager Team 모바일 GUI 에이전트 개발해보신 분들은 알 겁니다. 라벨링 노가다가 얼마나 사람 피 말리게 하는지요. 화...
[Paper] [2603.22918] EVA: Efficient Reinforcement Learning for End-to-End Video Agent [Github] https://github.com/wangruohui/EfficientVideoAgent 비디오 데이터를 MLLM(Multimodal LLM)에 던져넣을 때 우리가 겪는 환장할 노릇...
QR code scan
