매주 논문 하나,
직접 굴러가는 데모 하나.
읽고 끝나는 논문 리뷰가 아니라, 매주 논문/신기술 1개를 홈랩 GPU에서 실제 코드로 구현하고 브라우저에서 만져볼 수 있는 데모로 전시합니다. 모든 데모에는 논문 → 코드 → 배운 것 카드가 붙습니다.
주간 루프 — 논문 선정 → 코드 구현 + 라이브 데모(여기) → 쉬운 설명 영상 → 기술 블로그 글.
논문 1편으로 산출물 4개를 만드는 파이프라인입니다.
데모
#001 · 2026-07
LIVE
Constrained Decoding
같은 프롬프트, 같은 모델 — 문법 강제(json_schema)를 켜고 끄면 JSON 출력 신뢰도가 어떻게 달라질까? 로컬 27B로 직접 측정한 결과를 만져보고, 채점 파이썬 코드를 브라우저에서 직접 고쳐 재실행해보세요.
논문: Efficient Guided Generation for LLMs (Willard & Louf, 2023) #002 · 2026-07 LIVESpeculative Decoding
작은 초안 모델이 큰 모델의 다음 토큰을 미리 추측하고, 큰 모델이 한 번에 검증 — 얼마나 빨라질까? 실측해보니 '공짜'가 아니라, 수락률이 낮으면 오히려 느려지는 손익분기가 있었습니다. 토큰 레이스를 리플레이하고 기대속도 공식을 브라우저에서 직접 고쳐보세요.
논문: Fast Inference via Speculative Decoding (Leviathan et al., 2023)
#003 · 예정
COMING SOON
LLM-as-a-Judge 블라인드 평가
모델 응답 두 개를 블라인드로 보고 당신이 심판이 되어보는 데모. 사람 vs LLM 심판 일치율 공개.
논문: Judging LLM-as-a-Judge with MT-Bench (Zheng et al., 2023)
#004 · 예정
COMING SOON
RAG vs Long-Context
같은 질문을 검색증강과 초장문 컨텍스트로 나란히 풀어 비교.
주제: Retrieval-Augmented Generation (Lewis et al., 2020)모든 실험은 개인 홈랩(로컬 GPU)에서 오픈웨이트 모델로 수행합니다. 측정 스크립트와 원본 데이터는 각 데모 페이지에서 그대로 공개합니다.