3월 31일
LINE 서비스의 대규모 광고 데이터를 처리하기 위한 Spark on Kubernetes 적용기
Spark on Kubernetes로 YARN 의존성과 자원 경합 문제를 해결했습니다. 그 결과 스트리밍 성능이 226% 향상되고 컴퓨팅 비용을 40% 이상 절감했습니다.

3월 31일
Spark on Kubernetes로 YARN 의존성과 자원 경합 문제를 해결했습니다. 그 결과 스트리밍 성능이 226% 향상되고 컴퓨팅 비용을 40% 이상 절감했습니다.

3월 30일
이미지와 텍스트를 결합한 하이브리드 구조로 정밀도와 비용 효율을 동시에 개선했습니다. vLLM 최적화와 정책-모델 분리로 대규모 서비스에서 신속하고 유연하게 대응합니다.

3월 25일
Codex 기반 코딩 에이전트를 활용해 가드레일 모델의 취약점 탐색을 자동화했습니다. 카테고리별 테스트와 스킬 분리를 통해 오탐을 줄이고 재현 가능한 파이프라인을 구축했습니다.

3월 24일
이 글은 Slack 기반 SRE 봇으로 반복 작업을 대폭 줄여 운영 효율을 개선했다고 설명했습니다. 비동기 처리와 Redis·헥사고날 아키텍처로 신뢰성과 확장성 확보를 목표로 했습니다

3월 20일
Kafka 기반 검증 파이프로 기존과 신규 시스템의 동일성 확인해 내재화했습니다. OpenSearch·ksqlDB로 실시간 불일치 탐지와 알림 체계 구축했습니다.

3월 19일
SLI/SLO 프레임워크 구성과 LINE Status 개발 과정을 공유했습니다. CUJ 기반 상태 판단과 웹훅·DB 연동으로 자동 갱신 구조를 설명합니다.

3월 18일
AttributedString 기반 패턴을 적용해 LINE iOS의 서비스 설정 시스템을 재설계했습니다. 모듈별 타입 선언과 키 단위 디코딩, 락+Sendable로 동시성 및 디버그 오버라이드 문제를 해결했습니다.

3월 17일
LINE은 여러 명과의 대화와 그룹을 통합해 그룹 대화로 전환했습니다. 초대 방식과 힌트 제공으로 중복 대화 감소와 리소스 절감 기대합니다.

3월 13일
Flava로 Verda와 YNW를 통합해 프라이빗 클라우드를 재구축했습니다. 무상태성·IaC·OSS 기여로 자동화·관찰성·VPC 기본화를 달성했습니다.

3월 10일
NeurIPS 2025의 AI 가드레일 연구 동향을 정리했습니다. 정책 코드화·모듈형 방어, 멀티모달 안전성, 프롬프트 공격·환각·과잉 거부 대응이 핵심입니다

3월 9일
파인튜닝 대신 RAG, 청킹 대신 검색 후 자르기, 복잡한 워크플로 대신 ReAct를 선택한 이유를 설명합니다. 문서 보강으로 응답률 약 96%를 달성했다고 보고합니다.

3월 6일
비자기회귀 디코더와 캡션 재생성 및 다단계 지식 증류로 온디바이스에서 200~400ms 초저지연 캡션을 구현했습니다. 데이터 정제와 교사–학생 증류로 실사용 기준 수락 비율을 0.21에서 0.89로 끌어올렸습니다.

3월 6일
지식 증류로 다국어 텍스트 인코더를 만들어 온디바이스 이미지 검색에서 Recall@5 평균 78%를 달성했습니다. LiteRT 변환·양자화·토크나이저 정합·HNSW 튜닝으로 모바일 성능을 확보했습니다

2월 23일
AI 리포터즈가 사내 AI 활용 경험을 모아 공유하고 조직으로 확산했습니다. 워크숍과 연구회로 실무 적용과 협업 흐름을 체계화했습니다.

2월 13일
MySQL 함수형 인덱스로 비트 연산 쿼리의 인덱스 사용을 확보해 슬로우 쿼리를 해결했습니다. 쿼리를 10진수 동등 비교로 변경하고 점진적 롤아웃으로 안정적으로 적용했습니다.

2월 13일
Claude Code Action을 GitHub Actions 기반으로 중앙 표준화해 조직 단위 AI 코드 리뷰 플랫폼을 구축했습니다. 프롬프트와 권한, 실행 환경을 중앙에서 통제해 일관된 리뷰 품질과 안전한 확산을 달성했습니다.

2월 6일
Flava의 통합 프라이빗 클라우드 진화 방향과 주요 과제들을 소개했습니다. 플랫폼 통합, 사용성 높은 보안, 스토리지·AI 통합 대응을 강조합니다.

2월 4일
LY는 자체 시계열 데이터베이스를 도입해 대규모 지표 처리와 조회 성능을 개선했습니다. S3 하이브리드 저장과 AI 연동으로 중앙화된 관찰가능성 플랫폼을 구축합니다.

1월 23일
함수 간 암묵적 연관성으로 런타임 에러가 발생할 수 있음을 지적했습니다. getMessageText로 통합하거나 isContentValid를 getMessageText로 구현하여 일관성 확보를 권장합니다.

1월 16일
원격과 로컬 데이터 동기화에서 ID와 데이터 의존성으로 인해 코드 흐름이 복잡했습니다. partitionByNullity로 created/updated/deleted 중간 구조를 만들어 처리 흐름을 단순화했습니다.

끝