1. 1
   
   테크 노트2026.08.06

   1편. 다음 토큰을 예측할 뿐인데, LLM은 어떻게 일을 할까?

   LLM은 정답을 조회하지 않고 문맥상 다음 토큰의 확률을 계산합니다. 이 단순한 목표가 번역·요약·코딩으로 이어지는 과정과, 그 능력을 사실 판정과 구분해야 하는 이유를 설명합니다.

2. 2
   
   테크 노트2026.08.13

   파라미터가 많으면 무엇이 달라질까(2편)

   파라미터는 지식 항목의 개수가 아니라 학습으로 조정되는 수치입니다. 모델 크기와 데이터, 학습량, 추론 비용을 함께 봐야 하는 이유를 설명합니다.

3. 3
   
   테크 노트2026.08.20

   긴 컨텍스트는 왜 기억이 아닐까(3편)

   컨텍스트 창은 모델이 이번 요청에서 볼 수 있는 작업 공간입니다. 파라미터·대화 기록·장기 기억·RAG를 구분하고, 길이보다 선택과 배치가 중요한 이유를 설명합니다.

4. 4
   
   테크 노트2026.08.27

   생각을 길게 쓰면 답이 더 좋아질까(4편)

   추론 과정은 복잡한 문제를 풀 공간을 늘리지만 정답 보증서는 아닙니다. 환각을 오류 유형으로 나누고 과제별 평가 기준을 설계하는 방법을 설명합니다.

5. 5
   
   테크 노트2026.09.03

   LLM은 어떻게 ‘답변’을 넘어 ‘실행’할 수 있을까? (5편)

   LLM은 행동을 제안하고 실행기는 도구를 호출합니다. 에이전트를 모델·도구·상태·제어 루프로 나눠 실제 업무가 끝까지 수행되는 조건을 설명합니다.