Toolformer 이후 논문 흐름: 무엇이 달라졌고 무엇이 여전히 어려운가
Toolformer 이후 도구 사용 AI 논문 흐름을 정리합니다. ReAct, HuggingGPT, Gorilla가 무엇을 더했는지, 무엇은 여전히 어려운지, 그리고 오늘의 agent 설계에 어떤 함의를 주는지 차분하게 설명합니다.
-
-
Self-Consistency는 왜 CoT를 더 강하게 만들까: 여러 번 생각해 더 맞히는 원리
Self-Consistency를 쉽게 설명합니다. 왜 여러 reasoning path를 샘플링하면 CoT 정확도가 올라갈 수 있는지, 어떤 비용과 tradeoff가 생기는지, 어디서 잘 맞고 어디서 낭비가 되는지, 그리고 ReAct와는 무엇이 다른지 구조적으로 정리했습니다.
-
에이전트 planning: ReAct 다음 단계
ReAct 이후 에이전트 논문과 설계 흐름에서 planning이 어떻게 확장됐는지 정리합니다. decomposition, planner-executor separation, replanning, cost·latency trade-off를 논문과 실무 구조로 함께 설명합니다.
-
Toolformer 논문 쉽게 이해하기: AI가 언제 스스로 도구를 써야 하는지 배우는 방법
Toolformer를 쉽게 설명합니다. AI가 언제 도구를 써야 하고 언제는 직접 답해도 되는지, 계산·검색·번역·캘린더 예시와 실무 사례를 통해 차분하게 정리한 글입니다.
-
ReAct 논문 쉽게 이해하기: 생각-행동-관찰 루프로 보는 AI 에이전트 구조
ReAct 논문을 agent workflow 관점에서 쉽게 풀어봅니다. thought, action, observation 루프가 왜 중요하고, 왜 지금도 AI 에이전트의 기본 구조를 설명할 때 자주 호출되는지 실전 예시와 함께 정리합니다.
