Kamil Lee의 개발 일기
@Kamil Lee
SPSA: 게임 AI를 위한 파라미터 자동 조정 기법
수동 튜닝과 베이즈 최적화가 쇼기 AI에서 부딪힌 한계를 짚고, 모든 파라미터를 동시에 흔들어 기울기를 추정하는 SPSA가 왜 게임 AI 튜닝에 잘 맞는지 정리했습니다.
#2025
@Kamil Lee
알고리즘 복잡도 분석
시간 복잡도와 공간 복잡도가 각각 무엇을 재는 지표인지 구분하고, Big-O 표기법으로 O(1)부터 지수 시간까지 주요 유형을 예시와 함께 정리했습니다.
@Kamil Lee
비동기 파이썬 기반 LLM API 구현
다수의 프롬프트를 순차 처리할 때 생기는 대기 시간을 asyncio로 줄이는 방법을 다룹니다. 코루틴과 이벤트 루프, 워커 큐 패턴을 거쳐 실제 LLM 서비스 설계 예시까지 정리했습니다.
@Kamil Lee
SBERT와 Multilingual E5 임베딩 모델 분석
문장 쌍을 매번 함께 입력해야 했던 BERT의 O(N²) 한계를 SBERT가 어떻게 O(N)으로 줄였는지 살펴보고, Multilingual E5와 비교하며 임베딩 모델 선택 기준을 정리했습니다.
@Kamil Lee
TRELLIS: 대규모 3D 생성 AI 모델
Microsoft의 3D 생성 모델 TRELLIS를 다룹니다. SLAT 구조적 잠재 표현과 Rectified Flow Transformer의 원리부터 설치·사용법, 사전학습 모델과 학습 방법까지 단계별로 정리했습니다.
@Kamil Lee
가상 스레드
OS 스레드와 가상 스레드의 차이를 비교하고, JVM이 경량 실행 단위를 스케줄링하는 방식과 블로킹 I/O 환경에서의 이점, 도입 시 주의할 한계까지 정리했습니다.