2026년 8월 19일 Sentry의 Seer는 트레이스를 읽을 수 있다. 그렇다고 항상 근본 원인을 찾는 건 아니다 Seer는 트레이스 트리, 연결된 오류, 프로파일링 데이터를 수집해 분산 문제를 진단한다. 실제로 어떻게 작동하는지, 어디서 빛나는지, 여전히 인간의 도움이 필요한 곳은 어디인지 설명한다. statistical-debuggingsentryllmroot-cause-analysis
2026년 8월 15일 LLM은 Metamorphic Relation을 제안할 수 있다. 하지만 보장할 수는 없다. 대규모 언어 모델은 test oracle 발견을 위한 괜찮은 브레인스토밍 파트너이지만, 속성을 환각하고 도메인 제약을 놓칩니다. 거짓 테스트를 배포하지 않고 이들을 사용하는 방법을 설명합니다. metamorphic-testingllmtest-oraclesai-engineering
2026년 8월 7일 LLM은 정적 분석 경고를 우선순위화할 수 있다. 다만 왜인지는 설명할 수 없다 대규모 언어 모델은 정적 분석의 false positive을 선별하는 데 도움이 되지만, abstract interpretation처럼 프로그램의 의미론을 이해하는 것은 아니다. 두 가지를 결합하는 방법을 설명한다. abstract-interpretationllmstatic-analysisfalse-positives
2026년 7월 28일 LLM이 코드의 정당성을 증명할 수는 없지만, 그것을 위한 상용구는 작성할 수 있다 클린룸 검증은 검증 조건을 생성하고 해소하는 것을 요구한다. 여기서 LLM이 주석과 VC 생성을 자동화하여 실제 어려운 증명에 집중할 수 있게 하는 방법을 소개한다. cleanroom-correctnessllmformal-proofsautomation
2026년 7월 21일 코드를 먼저 LLM에 설명하자 버그율이 85% 줄었다 30일 동안 LLM에 코드를 요청하기 전에 설계 설명을 작성했다. 그 결과는 내가 rubber-ducking을 바라보는 방식을 바꿔 놓았다. literate-programmingllmcode-qualityrubber-ducking
2026년 7월 19일 당신의 Claude 스레드는 이미 문서입니다. 단 12시간 뒤에 사라질 뿐이죠. LLM 대화에는 의도, 거부된 대안, 그리고 작동하는 코드가 담겨 있습니다. 이것이 바로 문서가 되어야 할 것입니다. 다음은 일회성 채팅을 내러티브를 잃지 않고 지속 가능하고 검색 가능한 문서로 전환하는 방법입니다. literate-programmingllmdocumentationai-engineering
2026년 7월 13일 대형 언어 모델은 코드를 미리 검토할 수 있다. 회의를 주관할 수는 없다. 파견 검사는 250줄을 검토하는 데 4~6명과 2시간이 필요하다. 대형 언어 모델은 준비 작업과 체크리스트 준수를 담당하여 비용을 줄일 수 있지만, 가장 비싼 결함을 찾아내는 인간의 역할을 대체할 수는 없다. fagan-inspectionsllmcode-reviewai-engineering
2026년 7월 8일 LLM은 Rust 코드를 생성할 수 있다. 형식적 증명은 전혀 다른 문제다. 대규모 언어 모델은 놀랄 만큼 훌륭한 Rust 코드를 작성하지만, 형식적 증명을 요청하면 불변 조건을 환각으로 만들어내고 어떤 검증기도 받아들이지 않는 문법을 지어낸다. 이들이 실제로 제대로 하는 것, 실패하는 부분, 그럼에도 불구하고 활용하는 방법을 소개한다. model-checkingllmrustformal-proofs
2026년 7월 2일 문법 제약 디코딩: 모든 토큰에서 LLM이 유효한 구문을 출력하도록 강제하기 LLM은 토큰을 확률적으로 샘플링하기 때문에 구문을 환각한다. 문법 제약 디코딩은 각 단계에서 어휘를 필터링하여 구문적 유효성을 유지하는 토큰만 출력되도록 한다. dsls-bounded-contextllmconstrained-generationgrammar
2026년 7월 1일 영어에서 테마로 번역하는 것은 쉽다. 결정론적으로 만드는 것이 진짜 문제다. 간단한 영어 설명에서 디자인 토큰을 생성할 수 있지만, 해당 설명을 스키마 계약과 스냅샷 테스트가 있는 한정된 컨텍스트 DSL로 다루는 경우에만 가능하다. dsls-bounded-contextdesign-systemsllmthemes
2026년 6월 13일 내 LLM 변체들이 의견이 다르면? 어떤 게 맞는 거지? 여러 LLM을 병렬로 실행하면 단일 모델이 자신 있게 납품할 오류를 잡아낼 수 있다. 실제로 작동하는 불일치 해결 시스템을 구축하는 방법은 다음과 같다. n-version-programmingllmdifferential-testingdisagreement-resolution
2026년 6월 11일 같은 LLM이 함수를 5가지 버전으로 작성할 수 있다. 진짜 다르게 만드는 방법은 다음과 같다. LLM을 활용한 N-version programming은 여러 모델이 필요하지 않다. 프롬프트, 페르소나, 추론 제약을 달리하면 단일 모델에서도 다양하고 정확한 구현을 추출할 수 있다. n-version-programmingllmdiverse-implementationsai-engineering
