[독서 노트] 질문의 격 - 유선경

[독서 노트] 질문의 격  - 유선경
Photo by Paulo Brandao / Unsplash
문장에 ‘왜’를 넣는다고, 문장 끝에 물음표를 매달아 놓는다고 다 질문이 될 수 없다.
'겸손'에 달리지 않았다. 내가 처한 세상을 얼마나 정확하게 알고자 하는지에 달려 있다.
글은 필연적으로 오독의 가능성을 품고 있다. 문해력의 수준이 낮아서 오독하기도 하지만 같은 글을 두고 자기중심적으로 제각각 해석하는 경우가 매우 흔하다.
소크라테스는 자기가 사고를 이끌어내는 산파 역할을 맡았을 뿐 아무것도 가르치지 않았다고 했다.
인터넷 플랫폼에서 찾은 지식은 당신의 지식이 아니다.
휴리스틱에는 본인만의 고정관념이나 선입관이 배어 있기 때문이다.
잠깐이나마 '나'라는 한계와 경계를 넘어서려는 위대한 시도이다.
상식이나 보통, 일반적이라는 것의 기준이 자기와 같을 거라고 여기면 확인 질문을 할 생각을 미처 하지 못한다.
인지편향은 쉽고 편할지 몰라도 인간의 정신을 화석으로 만든다. 질문은 화석화를 방지할 뿐 아니라 생각의 화석, 정신의 화석을 무너뜨린다.

For anyone exploring a character design, it is worth considering how details related to wig colour selection will affect the complete look. With practical wear in mind, it helps to assess details related to anime cosplay costumes together with fit and fabric. For combinations connected with details related to Halloween styling, heat resistant cosplay wigs for first time cosplayers can help narrow the options for a specific purpose. Before the preparation is complete, a balanced view of details related to long cosplay wigs can support both detail and comfort.

Read more

[Educational Measurement] 벤치마크 점수는 어디까지 말할 수 있을까요?

[Educational Measurement] 벤치마크 점수는 어디까지 말할 수 있을까요?

LLM과 AI 에이전트 평가를 공부하다 보면 자연스럽게 데이터셋, 평가 지표, LLM-as-a-Judge, 리더보드 같은 주제에 관심이 갑니다. 저 역시 처음에는 더 좋은 벤치마크를 만들기 위해 어떤 태스크를 넣어야 하는지, 정확도를 어떻게 계산해야 하는지, 평가자를 어떻게 설계해야 하는지를 주로 살펴봤습니다. 그런데 평가를 계속 고민해볼 수록, 기초를 알아야겠다는 생각을 하였습니다. 우리가 계산한 이

By harheem
멀티 에이전트 시스템에서 먼저 설계해야 하는 것

멀티 에이전트 시스템에서 먼저 설계해야 하는 것

최근 OpenRouter가 Fusion이라는 기능을 공개했습니다. 여러 모델이 같은 질문에 답하고, judge 모델이 그 답변들을 읽은 뒤 하나의 결과로 합성하는 방식입니다. OpenRouter는 deep research 벤치마크에서 이 구조가 단일 frontier 모델보다 더 높은 점수를 냈다고 설명했습니다. 이 발표에서 눈에 들어온 부분은 “여러 모델을 붙였더니 성능이 올랐다”는 결과 자체보다, 성능을 올리는 방식이었습니다.

By harheem
Text-to-SQL 에이전트만으로 신뢰할 수 있는 데이터 에이전트를 만들 수 있을까?

Text-to-SQL 에이전트만으로 신뢰할 수 있는 데이터 에이전트를 만들 수 있을까?

자연어로 질문하면 SQL을 생성하고, 실행한 뒤, 결과를 요약해 주는 데이터 에이전트는 이제 꽤 익숙한 패턴이 되었습니다. 저도 데이터 에이전트를 설계한다고 하면 가장 먼저 text-to-SQL 구조를 떠올렸습니다. 사용자의 질문을 받고, 관련 schema를 찾고, 필요한 테이블과 컬럼을 고른 뒤 SQL을 생성합니다. 이후 SQL을 실행하고, 결과를 다시 자연어로 설명하는 방식입니다. 흐름을 단순화하면 다음과

By harheem
[논문 리뷰] LLM 모델은 답하기 전에 성공 가능성을 알고 있을까?

[논문 리뷰] LLM 모델은 답하기 전에 성공 가능성을 알고 있을까?

Sparse Reward Subsystem in Large Language Models를 읽고, 내부 신뢰도 신호를 어디까지 실제 업무에 활용할 수 있을지 정리합니다. LLM의 추론 성능은 빠르게 좋아지고 있습니다. 하지만 모델이 왜 특정 문제를 잘 풀고, 어떤 상황에서 실패하는지는 여전히 설명하기 어렵습니다. 실제 업무에서는 이 문제를 완화하기 위해 모델에게 직접 자신감을 말하게 하기도 합니다. 예를

By harheem