바로 써먹는 실전 노하우. 프롬프트 요령, 워크플로 구성법, 도구 사용법, 경험담.
Anthropic는 Claude Platform에서 여러 서브에이전트를 사용하는 에이전트에 대해, 라우터·플래너·도메인별 서브에이전트를 메인 루프에 통합하는 설계 지침과 마이그레이션 키트를 공개했다. 여러 기업 도입 사례를 비교한 결과, 스킬을 갖춘 단일 에이전트가 품질 면에서 우위였고 작업당 비용과 레이턴시도 대개 더 낮았다고 한다. 다만 컨텍스트 과다로 인한 성능 저하나 병렬 처리가 필요한 경우 등에서는 서브에이전트가 여전히 효과적이라고 밝혔다.
선정 이유: 서브 에이전트를 남기는 조건과 스킬·도구로 단계적으로 통합하는 절차가 평가 방법과 함께 제시되어 있어, 설계를 재검토할 때 기준으로 삼기 좋다.
Anthropic은 향후 Claude 모델이 생성하는 텍스트에 워터마크를 삽입한다고 밝혔다. EU AI Act 대응을 위한 것으로, 출력의 품질과 내용, 비용에는 실질적인 영향이 없다고 설명했다. 방식은 Google DeepMind의 SynthID-Text를 기반으로 하며, 특정 개인이나 조직, 채팅은 식별할 수 없다.
선정 이유: 워터마크의 작동 방식을 난수원 교체라는 관점에서 설명하고, 코드·교정·번역에서 효과가 어떻게 다른지까지 정리하고 있어 동작을 이해하는 데 도움이 된다.
Hugging Face 블로그가 Surya Narreddi의 수채화 생성 기법을 TRL과 OpenEnv로 재현했으며, 데이터셋, RL 환경, 학습 스크립트, 학습된 모델을 모두 공개했다고 밝혔다. Qwen/Qwen3.5-35B-A3B에게 p5.brush용 JavaScript를 작성하게 하고, 심사 모델과 미적 평가 모델의 보상으로 학습시켰다. 세 가지 보상 배분 방식 모두에서 보상이 상승했다.
선정 이유: 보상 설계에서 실패한 실험과 비용까지 구체적인 수치로 정리되어 있어, 선호도를 보상으로 삼는 RL을 직접 재현할 때 판단 근거로 활용할 수 있다.