Symbolika
Qwen
다른 수준:입문자실무자연구자 Qwen 은 알리바바 클라우드가 공개하는 open-weights LLM 패밀리입니다. 2023년 첫 공개 이후 1.5 → 2 → 2.5 → 3 으로 빠르게 세대 교체되었고, 동급 오픈 모델 중 다국어·
Qwen
다른 수준:입문자실무자연구자 Qwen 은 Alibaba DAMO Academy / Alibaba Cloud 의 LLM 연구 라인으로, 통의천문(通義千問) 의 영문 표기입니다. 2023 년 9 월 Qwen-7B 의 가중치 공개 이후 매 6–
Qwen
다른 수준:입문자실무자연구자 Qwen(큐원)은 중국의 알리바바 그룹이 만든 대규모 언어 모델 시리즈입니다. 쉽게 말하면 ChatGPT나 Gemini 같은 "사람과 대화하고 글을 쓰는 인공지능"의 한 종류인데, 만든
Qwen
다른 수준:입문자실무자연구자 Qwen은 알리바바 다모(DAMO) 산하 통이(Tongyi) 팀이 개발하는 LLM 시리즈로, 2023년 8월 1세대 공개 이후 Qwen1.5 → Qwen2 → Qwen2.5 → Qwen3로 빠르게 세대 교체가 이루어지고 있습니다.
Qwen
다른 수준:입문자실무자연구자 Qwen은 알리바바 통이(Tongyi) 연구실이 개발하는 transformer 디코더 기반 LLM 계열로, 2023년 Qwen 7B 공개 이후 매 세대마다 데이터 규모·정렬 기법·아키텍처가 개정되어 왔습니다. 연구자 관점에서
Qwen (통이치엔원)
다른 수준:입문자실무자연구자 Qwen(큐원)은 중국의 거대 IT기업 알리바바가 만들어 공개한 대규모 언어모델(LLM) 계열의 이름이다. 한자로는 "통이치엔원(通義千問)"이라 쓰며, ChatGPT처럼 질문에 답하고 글을 요약하고 코드를
Qwen (통이치엔원)
다른 수준:입문자실무자연구자 Qwen은 알리바바 클라우드가 2023년 Qwen-7B 공개 이후 Qwen1.5 → Qwen2 → Qwen2.5 → Qwen3로 이어 온 오픈웨이트 LLM 계열이다. 2026년 현재 최신 세대는 Qwen3와 추론 특화판 QwQ-32B이며, 멀티모달·
Qwen (통이치엔원)
다른 수준:입문자실무자연구자 Qwen은 알리바바 DAMO Academy(현 Tongyi Lab)가 2023년 8월 Qwen-7B를 시작으로 Qwen1.5, Qwen2, Qwen2.5, Qwen3로 이어 온 디코더-온리 트랜스포머 계열이다. 공개 기술 보고서(Bai
Qwen
다른 수준:입문자실무자연구자 Qwen(퀀) 은 중국 알리바바 클라우드가 만들어 공개한 대규모 언어모델 계열입니다. 이름은 중국어 "통이천문(通義千問)" — 즉 "천 가지 질문에 답한다" — 에서 따왔고, 사람처럼
Qwen
다른 수준:입문자실무자연구자 Qwen 은 알리바바 클라우드의 Tongyi Lab이 공개한 오픈웨이트 LLM 계열로, 2023년 Qwen-7B를 시작으로 Qwen2(2024), Qwen2.5(2024), Qwen3(2025)까지 빠르게 진화해 왔습니다. 대부분의 체크포인트가 Apache
Qwen
다른 수준:입문자실무자연구자 Qwen 은 알리바바 Tongyi Lab이 공개한 트랜스포머 기반 llm 계열이다. 아키텍처적으로는 Llama 계보의 decoder-only transformer에 RoPE 위치 인코딩, SwiGLU FFN, RMSNorm, Grouped-Query Attention(GQA) 을 채택한 "
SWE-bench Verified
다른 수준:입문자실무자연구자 SWE-bench Verified는 AI가 실제 프로그램의 버그를 사람처럼 고칠 수 있는지 평가하는 표준 시험 중 하나다. 학생에게 문제집을 풀리듯, coding-agent에게 오픈소스 프로젝트의 진짜 이슈를 던져 주고 "패치를
SWE-bench Verified
다른 수준:입문자실무자연구자 SWE-bench Verified는 coding-agent 평가의 사실상 표준 벤치마크로, 실무자 관점에서는 "모델·에이전트 조합이 이슈-to-PR 루프를 얼마나 끝까지 돌릴 수 있는가"를 재는 수치로 읽힌다. 구성. 원본
SWE-bench Verified
다른 수준:입문자실무자연구자 기원. SWE-bench는 Carlos Jimenez 외(Princeton NLP, ICLR 2024, "SWE-bench: Can Language Models Resolve Real-World GitHub Issues?")가 제안한 벤치마크다. 12개 인기 파이썬 오픈소스 레포에서
그린필드 개발
다른 수준:입문자실무자연구자 건축 용어에서 빌려온 말이다. 도시 외곽의 빈 들판(green field)에 새 건물을 지을 때와, 이미 서 있는 오래된 공장을 허물지 않고 개조할 때의 난이도 차이를 떠올리면
그린필드 개발
다른 수준:입문자실무자연구자 그린필드 개발은 레거시 코드, 기존 의존성, 팀 관례 같은 제약이 부재한 상태에서 새 레포를 시작하는 작업을 가리킨다. 새 서비스의 초기 버전, 프로토타입, 사내 도구 1.0, 해커톤
그린필드 개발
다른 수준:입문자실무자연구자 그린필드 개발은 레거시 제약 — 즉 기존 코드베이스, API 계약, 빌드 시스템, 팀 관례 — 이 부재한 조건에서 수행되는 소프트웨어 개발을 가리킨다. 이 개념은 벤치마크 설계와 LLM 코딩 능력
코딩 에이전트
다른 수준:입문자실무자연구자 코딩 에이전트는 "대신 프로그래밍해 주는 조수"에 가까운 AI 도구다. 예전의 자동완성이 타이핑을 몇 글자 줄여 주는 수준이었다면, 코딩 에이전트는 한 발 더 나아가서 프로젝트
코딩 에이전트
다른 수준:입문자실무자연구자 코딩 에이전트는 LLM을 컨트롤러로 두고, 파일 시스템·셸·테스트 러너 같은 외부 도구를 호출하는 다단계 루프로 코드 변경을 수행하는 시스템이다. IDE의 인라인 자동완성(Copilot 류)과 달리,
코딩 에이전트
다른 수준:입문자실무자연구자 코딩 에이전트는 LLM을 정책(policy)으로 두고, 도구 호출(action)과 관찰(observation)을 반복하는 ReAct 계열 에이전트 루프를 코드 편집 도메인에 특화한 시스템이다. 일반적인 형식은 다음과
노동경제학
다른 수준:입문자실무자연구자 노동경제학은 노동시장의 수요·공급, 인적자본, 임금 결정을 실증 분석하는 응용 미시 분야다. AI·자동화 맥락에서 실무자가 가장 자주 마주치는 프레임은 다음과 같다. 태스크 기반 생산함수 (task-based production
노동경제학
다른 수준:입문자실무자연구자 노동경제학은 노동 공급·수요, 인적자본, 임금 결정, 실업을 다루는 응용 미시·거시 분야다. 기술 변화와 고용 관계를 분석하는 서브필드는 크게 세 세대의 프레임을 거쳐 왔다. 1세대: Skill-Biased
노동경제학
다른 수준:입문자실무자연구자 노동경제학은 사람들이 어떻게 일자리를 얻고, 얼마를 벌고, 왜 실업하게 되는가 를 데이터로 설명하는 경제학의 한 분야다. 거시경제학이 국가 전체의 물가·성장률을 다룬다면, 노동경제학은 그 안에서 노동시장이라는 구체적
미토스(Mythos) 계열 모델
다른 수준:입문자실무자연구자 "미토스(Mythos)"는 OpenAI와 구글이 내부적으로 준비 중인 것으로 알려진 차세대 AI 모델들을 업계 사람들이 묶어서 부르는 비공식 호칭이다. 공식적으로 이 이름을 채택한 회사는 없고,