SigLIP 2의 학습 목표와 NaFlex가 원본 종횡비를 보존하는 방식, 고밀도 특징 활용과 실무 적용 시 주의사항을 정리합니다.

Muon 옵티마이저가 행렬 업데이트를 직교화하는 이유와 Newton–Schulz 반복, AdamW와의 혼합 구성 및 적용 시 주의사항을 정리합니다.

CUDA Graphs가 반복 GPU 추론의 커널 실행 오버헤드를 줄이는 원리와 캡처·재실행 흐름, 적용 조건과 주의사항을 정리합니다.

pandas resample의 closed와 label 인자가 집계 결과를 어떻게 바꾸는지 직접 실행한 결과로 정리합니다. 라벨이 같아 보이는데 값이 다른 경우, resample과 asfreq의 차이도 함께 다룹니다.

pandas 3.0으로 올리면 예외 없이 결과만 바뀌는 지점들이 있습니다. 연쇄 할당, Copy-on-Write, str dtype, datetime 해상도 변화를 직접 실행한 결과로 정리하고 고치는 법을 붙입니다.

데이터셋마다 모델을 새로 학습하던 시계열 예측에 사전학습 모델이 들어왔습니다. Chronos와 TimesFM을 중심으로 제로샷 예측이 어디까지 왔는지, 그리고 아직 무엇이 안 되는지 정리합니다.

DINOv3의 자기지도 학습 흐름과 장시간 학습에서 고밀도 패치 특징을 보존하는 Gram Anchoring, 특징 추출과 실무 적용 시 주의사항을 정리합니다.

TensorRT-LLM의 최신 멀티모달 추론 구조와 PyTorch 백엔드 기반 trtllm-serve 실행 방법, 최적화와 운영 시 주의사항을 정리합니다.

Prime Agent는 내장 도구가 ipython 하나뿐인 코딩 에이전트입니다. 컨텍스트를 변수에 담는 RLM 구조와, 에이전트가 자기 하네스를 고치는 Continual Harness를 정리합니다.

에이전트를 감싸는 프롬프트·스킬·메모리를 사람이 아니라 에이전트가 직접 고치게 한 논문입니다. 포켓몬을 벤치마크로 삼은 이유와, 리셋 없이 온라인으로 개선한다는 것의 의미를 정리합니다.