AI / ML·
무신사 테크·
무신사 테크·VLM을 쓰지 않은 이유: Geometric Prior로 25배 빠른 의류 디테일컷 자동화
무신사 유즈드 검수 이미지에서 의류 부위별 디테일컷을 생성해야 하는데, 수동 크롭은 상품당 70초 소요로 규모화가 불가능했다.
#mlops#computer-vision#vlm+3
최신
- AI / ML·무신사 테크·
AI 스페셜리스트와 자동사냥 — 하네스로 제어하는 AI 파이프라인
물류 WMS의 반복적인 슬로우 쿼리 대응은 범용 AI만으로는 코드베이스 맥락 부족 때문에 피상적 제안에 머물렀다.
#ai-agent#agent-engineering#ai-pipeline+2 - AI / ML·무신사 테크·
The Machine: AI가 AI 활용 코드를 평가하다
AI 코딩 도구가 만들어내는 코드 양이 많아지면서 사람 리뷰어의 병목이 심해진다.
#ai-coding#developer-productivity#code-review+2 - AI / ML·무신사 테크·
Gemini 기반 테스트 케이스 자동화 실패와 성공기
코드만 보고 의미 있는 테스트를 자동 생성하기는 어렵다. LLM 에 맡기면 hallucination 으로 부정확한 케이스를 만든다.
#llm-app#rag#test-automation+2 - AI / ML·무신사 테크·
AI한테 테스트 코드를 맡겼더니 커버리지가 8배 올랐다
단위 테스트 작성은 시간이 많이 들고, 우선순위에서 밀려 테스트 커버리지가 낮은 상태로 누적된다.
#llm-app#ai-coding#developer-productivity+2 - AI / ML·무신사 테크·
후기 10만 개, 다 읽고 계신가요? - AI 후기 요약 기능 도입기
상품 후기 10만 개를 사용자가 다 읽을 수 없다. 의미 있는 부분만 골라 보여줘야 구매 결정에 도움이 된다.
#llm-app#rag#review-summarization+2 - DB / 데이터·무신사 테크·
보이지 않는 품질, 데이터. 로그가 틀리면 고객도 틀린다
로그가 틀리면 그에 기반한 분석/고객 응대도 틀린다. 데이터 품질 문제는 down-stream 의 모든 결정을 망친다.
#data-engineering#observability#logging+2