에이전트가 코드를 쓰자, 병목은 Git이었습니다
Anthropic의 하루 병합 수는 넉 달 만에 2,500건에서 3만 건으로 늘었습니다. 사람 속도에 맞춰 만든 Git과 CI가 먼저 버거워졌고, Anthropic은 Scion이라는 소스 관리 시스템을 새로 만들었습니다.
카테고리
산업 현장에서 부딪힌 문제와 풀어낸 방법을 적어요.
Anthropic의 하루 병합 수는 넉 달 만에 2,500건에서 3만 건으로 늘었습니다. 사람 속도에 맞춰 만든 Git과 CI가 먼저 버거워졌고, Anthropic은 Scion이라는 소스 관리 시스템을 새로 만들었습니다.
같은 질문도 긴 대화 속에 넣으면 정답률이 0.92에서 0.38로 떨어집니다. 모델이 한 번에 보는 정보를 고르고 줄이고 나누는 컨텍스트 엔지니어링을 연구 결과와 포인랩의 적용 사례로 살펴봅니다.
Gemini 4 Carbon의 장기 작업·사이버보안 성능을 공식 발표와 독립 평가로 살펴봅니다. 벤치마크 해석부터 가격과 접근 제한, 산업 현장에서 확인할 근거 추적·권한·비용까지 정리했습니다.
AI가 여러 단계의 일을 맡으며 드러난 문맥과 진행 상태, 도구 실패와 완료 검증의 문제를 통해 하네스 엔지니어링이 필요한 이유를 살펴봅니다.
Jev는 정해진 질문에 선택·점수·확률을 반환합니다. 검색 결과와 문서를 고르고 에이전트의 다음 행동을 정할 때, 코드가 검증하고 실행할 판단을 어떻게 분리할 수 있을지 살펴봅니다.
같은 모델의 성능이 41.8%에서 56.4%로 높아졌어요. Agent Lightning v1.0의 원문 그림과 함께 하네스, 학습 기록, 평가 기준을 읽어 봅니다.