deep daiv. education
AI를 쓰는 법을 넘어,
AI가 작동하는 방식을
이해하는 교육.
deep daiv.는 모델·논문·시스템·프로젝트를 함께 읽고 구현해온 커뮤니티의 방식으로 기관과 학생을 위한 AI 교육을 설계합니다.
Start Reading
처음 들어온 사람을 위한 공개 추천
처음 읽기 좋은 글과 학습 경로를 골라 두었습니다.
- Reasoning Model
- AI Trend
- Agentic AI
- LLM
- AI Literacy
Home Primary
공개 글로 시작하기
로그인 전에도 바로 읽을 수 있는 공개 기록입니다.
- Newsletter01
#158 **해킹이 아닌, 설득으로 퍼집니다**
여러 사람이 함께 일하다 보면, 누군가의 말 한마디가 팀 전체의 분위기나 방향을 바꾸기도 합니다. 그렇다면 여러 AI가 한 팀으로 일할 때도 비슷한 일이 생길까요? 최근 Anthropic 연구진은 이 질문을 실제 멀티 에이전트 환경에서 실험했습니다. 여섯 개의 AI 에이전트에게 하나의 코딩 프로젝트를 맡기고, 그중…
로그인 없이 바로 읽기 좋은 공개 기록입니다.
- Newsletter02
#157 AI를 계속 공부해야 할까?
지난주, 3주년을 맞이하여 <Weekly deep daiv.> 독자들은 뉴스레터를 어떻게 읽고 있는지 물어봤는데요. 별다른 이벤트를 진행한 것도 아닌데 생각보다 더 많은 분들이 관심을 가져주셨습니다! 혹시라도 좋은 코멘트를 남겨주실 분들은 아직 늦지 않았습니다. 글 하나하나에 감동 받으며 나눠 보고 있으니, 계속해서…
로그인 없이 바로 읽기 좋은 공개 기록입니다.
- Newsletter03
#154 보안을 지키는 AI, AI를 지키는 보안
생성형 AI와 AI 에이전트의 활용 범위가 빠르게 넓어지면서, AI를 얼마나 안전하게 만들고 활용할 것인가 역시 중요한 화두가 되고 있습니다. 실제로 최근 몇 주 사이에도 OpenAI는 자동화 레드티밍(Red Teaming) 시스템 GPT-Red를 공개했고, Google DeepMind는 Gemini 3.5 Flash…
로그인 없이 바로 읽기 좋은 공개 기록입니다.
- Newsletter04
#156 조금씩 시키지 마세요, 저 헷갈려요
멀티턴 상황에서 명세 부족(Underspecification)으로 성능이 저하되는 현상인 Lost in Conversation 현상을 소개했습니다. Lost in Conversation 현상의 네 가지 원인을 정리했습니다. Lost in Conversation 현상을 해결하기 위한 업계와 학계의 방안을 정리했습니다.…
로그인 없이 바로 읽기 좋은 공개 기록입니다.
Recommended Reports
추천 리포트
최근 AI 흐름을 정리한 리포트입니다.
- AI Trend Report · Core01
AI 트렌드 2025 하반기 결산
2025년 7월, Alibaba가 투자한 중국 스타트업 Moonshot AI가 Kimi K2를 공개했습니다. 1조 파라미터(토큰당 32B 활성) 규모의 전문가 혼합(MoE) 아키텍처로, 최근 추론(Reasoning) 모델 트렌드와 달리 연쇄 생각(Chain of Thought) 없이 빠르게 행동하는 반사적 추론(Reflex grade) 모델로 설계했습니다. 사용자의 명시적 지시 없이도 어떤 함수를 호출할지 판단하고, 결과를 평
최근성과 콘텐츠 완성도를 함께 고려해 추천합니다.
- AI Trend Report · Core02
AI 트렌드 2025 상반기 결산
DeepSeek V3을 기본 모델로 사용하고, GPRO(Group Relative Policy Optimization) 프레임워크를 활용한 강화 학습을 적용하여, Deepseek는 강화 학습만을 이용하여 언어 모델의 추론 능력을 향상시키는 것에 도전합니다. 이렇게 탄생한 Deepseek R1 Zero는 벤치마크에서 좋은 성능을 보이지만, 가독성이 낮거나 언어가 혼합되는 문제가 발생합니다.
최근성과 콘텐츠 완성도를 함께 고려해 추천합니다.
Learning Path
다음 학습 경로
스터디와 공개 커리큘럼으로 이어지는 콘텐츠입니다.
Education First
툴 사용법에서 끝나지 않는 이유
AI 교육은 더 많은 툴을 소개하는 일만으로 충분하지 않습니다. 조직의 문서, 데이터, 의사결정, 업무 흐름 안에서 AI가 어떻게 작동해야 하는지 이해하고 설계해야 합니다.
deep daiv.는 커뮤니티가 쌓아온 Report, Project, Meet-up, Courses 자산을 교육 과정으로 재구성합니다. 배우는 사람은 결과물을 만들고, 설명하고, 다시 읽을 수 있는 기록을 남깁니다.
Learning Method
교육으로 옮기는 방식
- 01
Read
논문, 모델 카드, 시스템 디자인 문서를 함께 읽습니다.
- 02
Build
스터디에서 끝나지 않고 직접 구현하고 실험합니다.
- 03
Present
이해한 만큼 발표하고 피드백을 받습니다.
- 04
Archive
결과물을 다음 사람이 읽을 수 있도록 남깁니다.
Related Learning Assets
교육 설계의 근거가 되는 기록
How We Study
어떻게 공부하는가
Site Map
진행 중인 프로그램
Manifesto
우리는 세상에 없는 것을 만든다
우리는 AI를 어렵게 소유하는 대신, 쉽게 나누기 위해 깊게 파고든다.
배운 것을 기록하고, 기록한 것을 공개한다. 공개한 기록은 다음 사람의 출발점이 된다.
deep daiv.는 이 순환을 디자인하는 커뮤니티다. 우리는 도구의 사용자가 아니라, 시스템을 읽는 독자다.
— deep daiv.
