Hacker News 뉴스
Y Combinator의 Hacker News에서 화제가 된 기술 토론과 링크를 큐레이션합니다.
총 6,892건·최신 업데이트
- 2861
토큰노믹스: 에이전트 기반 소프트웨어 엔지니어링에서 토큰 활용 현황 측정
LLM 기반 멀티 에이전트 시스템의 비용 및 자원 효율성을 분석하기 위해 ChatDev 프레임워크를 활용하여 소프트웨어 개발 생애주기(SDLC) 내 토큰 소비량을 측정했습니다. 연구 결과, 코드 리뷰 단계가 토큰 소비의 과반을 차지하며 입력 토큰의 비중이 매우 높아 에이전트 간 협업 과정의 비효율성을 확인했습니다.
Tokenomics: Quantifying Where Tokens Are Used in Agentic Software Engineering↗arxiv.org
- 2867
Show HN: Scale Physics – WebGL 애니메이션을 활용한 물리학 백과사전
'Scale Physics'는 WebGL2 기반의 인터랙티브 애니메이션을 통해 플랑크 길이부터 관측 가능한 우주까지의 물리적 스케일을 시각화한 웹 기반 백과사전입니다. 양자장론, 상대성 이론, 우주론 등 난해한 물리 개념을 직관적인 시각 자료로 제공하여 사용자에게 몰입감 있는 탐험 경험을 선사합니다.
Show HN: Scale Physics – a physics encyclopedia with WebGL animations↗scalephysics.com
- 2869
Show HN: Resonate – 저지연, 고해상도 스펙트럼 분석
Resonate는 EWMA(지수 가중 이동 평균) 기반의 레조네이터 모델을 사용하여 오디오 신호의 지각적 스펙트럼 정보를 매우 낮은 지연 시간과 계산 비용으로 분석하는 알고리즘입니다. 기존 FFT와 달리 주파수 추적이 가능하며, 샘플 단위의 반복적 업데이트를 통해 버퍼링 없이 실시간 처리가 가능하다는 점이 핵심입니다.
Show HN: Resonate – Low-latency, high-resolution spectral analysis↗alexandrefrancois.org
- 2871
Show HN: Typedframes – Pandas/polars 컬럼 이름 검사, 린트 타임에
typedframes는 데이터프레임의 스키마를 Python 클래스로 정의하여 컬럼명 오타나 타입 불일치를 코드를 실행하기 전에 발견할 수 있게 해주는 실험적 도구입니다. pandas와 polars를 모두 지원하며, 런타임 오버헤드 없이 정적 분석만으로 데이터 무결성을 검증할 수 있는 것이 특징입니다.
Show HN: Typedframes – Pandas/polars column name checking at lint time↗github.com
- 2874
파이썬 JIT 프로젝트 개발 일시 중단 요청
CPython 운영 위원회는 현재 실험적으로 진행 중인 JIT 컴파일러 프로젝트에 대해 공식적인 표준 트랙 PEP(Python Enhancement Proposal)가 승인될 때까지 새로운 기능 및 최적화 개발의 중단을 요청했습니다. 이번 결정은 JIT의 장기적 유지보수, 보안, 그리고 기존 도구와의 호환성을 보장하기 위한 공식적인 거버넌스 체계를 확립하려는 목적을 가지고 있습니다.
Python JIT project was asked to pause development↗discuss.python.org
- 2875
결정 트리와 확산 모델을 잇다: 트리에서 흐름으로, 다시 트리로
결정 트리와 확산 모델이라는 서로 다른 두 모델 클래스를 수학적으로 통합하여 'Global Trajectory Score Matching(GTSM)'이라는 공통 최적화 원리를 발견했습니다. 이를 통해 표 형식 데이터 생성 성능을 높인 'treeflow'와 트리 로직을 신경망에 효율적으로 이식하는 'dsmtree' 기술을 선보였습니다.
Trees to Flows and Back: Unifying Decision Trees and Diffusion Models↗arxiv.org
- 2876
PyTorch 사용자 정의 연산
이 글은 PyTorch에서 C++와 CUDA를 사용하여 커스텀 연산(Custom Function)과 상태를 가진 커스텀 클래스(Custom Class)를 구현하는 구체적인 방법을 설명합니다. 특히 `TORCH_LIBRARY_IMPL`과 `torch::CustomClassHolder`를 활용해 CPU와 GPU 모두에서 동작하는 고성능 연산을 등록하고, AOTInductor와 같은 컴파일된 추론 환경에서도 사용할 수 있는 기술적 가이드를 제공합니다.
PyTorch Custom Operation↗leimao.github.io












