TS Compiler Graph 도입으로 LLM 토큰 소모량 10배 절감
I Made TS Compiler Graph MCP: 10x Fewer Tokens in Claude Code
DeepSeek V4 도입 시 reasoning_content 파싱 누락으로 인한 추론 성능 저하 방지
DeepSeek's Response API Isn't OpenAI Responses. That One Parser Mistake Drops the Reasoning.
Legacy 프로젝트 분석 효율 극대화를 위한 5가지 Prompt Engineering 전략
5 prompt engineering techniques to get the best out of a legacy project
CoT forgery 탐지를 통한 MCP 게이트웨이 보안 탐지율 33%에서 100%로 향상
Prompt injection is role confusion, and your MCP gateway can't see it
Claude Code의 “Extended Thinking” 출력 텍스트는 실제 추론이 아님
Claude Code의 추론 은닉 구조 분석: Signature 기반의 Reasoning 증류 방지 설계
Manual Gate 도입을 통한 Prompt Chain 가용성 35%p 향상
My 7-step prompt chain failed silently at step 6. Here's what replaced it.
3B 파라미터로 Opus 4.5 추론 성능을 능가한 SFT+GRPO 최적화
VibeThinker: A 3B-Parameter Model Just Beat Opus 4.5 on Reasoning — Here is How
LLM 응답 정밀도를 극대화하는 10가지 엔지니어링 프롬프트 설계 패턴
Mastering the Art of LLM Prompting: A Developer's Guide to Getting Better Answers from AI
Reasoning과 Acting 결합을 통한 LLM Hallucination 해결 및 추론 정확도 향상
You Know Zero-Shot, One-Shot & CoT Prompting. But Do You Know ReAct?
2M Context Window와 Deep Think 모드로 구현한 초거대 컨텍스트 추론 엔진
Gemini 3.5 Pro: 2M Context, Deep Think, and the Post-Fable-5 Frontier
600PB 데이터 탐색 효율화를 위한 AI Agent 'Kepler' 구축
Presentation: AI Agents to Make Sense of Data at OpenAI
Weight Update 없는 In-Context Learning을 통한 도메인 특화 LLM 최적화
Few-Shot Learning with LLM: A Deep Dive
XML Envelope와 JSON Payload 조합을 통한 LLM 출력 파싱 안정성 극대화
JSON or XML Tags for LLM Output: The Format That Holds Under Pressure
LLM 압축 시 Trap Clause 생존율 분석 및 모델별 Concision 특성 규명
Can LLMs save themselves from verbosity?
CoT 프롬프팅을 통한 저사양 LLM의 추론 성능 최적화 및 비용 90% 절감
7 Magic Words That Make Your LLM 10 Smarter at Math
Cross-Family Judge 도입을 통한 LLM Pipeline Bias 31.5% 감소
Part 6 of 6: How to Build Pipelines That Don't Gaslight Themselves.
SRE에서의 AI: Google은 어떻게 신뢰성 있는 운영의 미래를 설계하는가
SRE 자율성 L0~L4 설계 및 Safety Trifecta를 통한 MTTM 44% 단축
SSE 기반 실시간 Tool Call 스트리밍으로 Agent CoT 가시성 확보
Live chain-of-thought in a chatbot: how to actually stream the tool calls (not just the text)
Few-Shot 도입을 통한 정확도 70%에서 94%로의 비약적 향상
Types of Prompting: Complete Guide to Prompting Techniques
Local LLM Reasoning Chain 도입을 통한 차트 왜곡 탐지 정확도 향상
I built a tool that catches misleading charts using Gemma 4 running locally