필터 1
네이버 D2
AI

호텔 검색, 어떻게 달라졌을까요? 3편 - 검색 시스템

호텔 검색의 언어 장벽과 POI 매칭 한계를 개선한 사례를 다루었습니다. 다국어 음차·번역, Dense Retrieval, Place sLLM으로 커버리지와 검색 품질을 높였습니다.

#검색#LLM
90005분
한국어 몰라요 - 글로벌 협업의 4가지 패턴
라인
아키텍처

한국어 몰라요 - 글로벌 협업의 4가지 패턴

글로벌 협업에서 프로덕트 팀 중심의 4가지 협업 패턴을 정리하고 각 패턴의 장단점을 설명했습니다. 데마에칸 사례를 통해 상황에 맞게 구조를 섞어 쓰는 중요성을 공유했습니다.

#글로벌 협업#프로덕트
35005분
AWS가 제공하는 완전관리형 병렬 파일시스템, Amazon FSx for Lustre – 2
AWS
데브옵스

AWS가 제공하는 완전관리형 병렬 파일시스템, Amazon FSx for Lustre – 2

Amazon FSx for Lustre의 스토리지 옵션, 압축, S3 연동, 신규 성능 기능과 모니터링 방법을 정리했습니다. 또한 사용 방법과 제약 사항까지 함께 소개했습니다.

#AWS#Amazon S3
27005분
AWS Systems Manager란?
농심NDS
데브옵스

AWS Systems Manager란?

AWS Systems Manager의 주요 기능과 동작 구조, 활용 사례를 정리한 글입니다. 특히 Quick Setup과 태그 기반 스케줄링으로 EC2 운영 안정성을 높인 사례를 소개했습니다.

#AWS#cloud
23005분
Amazon RDS Blue/Green 배포란?
농심NDS
데브옵스

Amazon RDS Blue/Green 배포란?

Amazon RDS Blue/Green 배포의 개념, 장점, 절차를 정리했습니다.\n다운타임을 줄이면서 안전하게 DB를 업그레이드하는 방법을 설명했습니다.

#AWS#Amazon RDS
34005분
Auto 자동차 매뉴얼 특화 RAG 데모 시스템 개발
데보션
AI

Auto 자동차 매뉴얼 특화 RAG 데모 시스템 개발

자동차 매뉴얼 검색을 위한 도메인 특화 RAG 데모 시스템을 개발했습니다. LLM과 메타 정보를 결합해 출처가 보이는 응답과 더 나은 사용자 경험을 제공했습니다.

#RAG#LLM
41005분
검색 형태소 분석 사전 배포 과정 개선하기
당근마켓
백엔드

검색 형태소 분석 사전 배포 과정 개선하기

검색 형태소 분석 사전의 배포 과정을 Elasticsearch 재배포 없이 바꾸려는 개선 과정을 다뤘습니다. 메모리 증가 문제를 겪은 뒤 경량화와 버전별 사전 관리로 운영 가능성을 확보했습니다.

#검색#Elasticsearch
57005분
카카오뱅크
백엔드

Exposed에서 도망 간 Escape를 찾습니다 (feat. MySQL)

Exposed와 MySQL 조합에서 발생한 SQLSyntaxErrorException의 원인을 단계적으로 추적했습니다. 임시 해결책보다 근본 원인을 찾는 디버깅 접근을 다뤘습니다.

#Exposed#MySQL
42005분
생성형 검색 (RAG) 평가의 최근 트렌드
네이버 DnA
AI

생성형 검색 (RAG) 평가의 최근 트렌드

생성형 검색(RAG) 평가의 최근 트렌드와 주요 플랫폼, 지표 변화를 정리했습니다. LC와 RAG의 비교 결과를 통해 질문 유형별 적합한 접근도 살펴봤습니다.

#RAG#LLM
64005분
데브시스터즈
데브옵스

데브시스터즈의 장애 대응 원칙과 방법

장애 대응의 목표를 서비스 정상화에 두고, 에스컬레이션과 기록, 종료 공유, 포스트모템까지의 절차를 체계화했습니다. FRT 기준 티어링과 역할 분담, 커뮤니케이션 중심 대응 원칙도 함께 제시했습니다.

#SRE#AWS
41005분
DAU를 늘린다고 무조건 광고 수익이 늘지 않는 이유 | DARO
딜라이트룸
기타

DAU를 늘린다고 무조건 광고 수익이 늘지 않는 이유 | DARO

DAU 증가가 곧 광고 수익 증가로 이어지지 않는 이유를 설명했습니다. 유저 노출, 유저 구성, 활동성, eCPM을 함께 봐야 수익 변화를 정확히 해석할 수 있습니다.

#광고#DAU
43005분
MoA(Mixture-of-Agents, 에이전트 혼합 기법), LLM 성능을 향상시키기 위한 새로운 기법
데보션
AI

MoA(Mixture-of-Agents, 에이전트 혼합 기법), LLM 성능을 향상시키기 위한 새로운 기법

여러 LLM의 응답을 계층적으로 결합해 최종 답변 품질을 높이는 MoA 기법을 소개했습니다. 기존 모델을 바꾸지 않고도 성능과 비용 효율성을 동시에 개선할 수 있음을 설명했습니다.

#LLM#prompt
23005분