#karpathy

AI 연구자 Andrej Karpathy가 5월 19일 Anthropic 입사를 공식 발표했다. OpenAI 공동창업자이자 전 Tesla AI 디렉터로, Anthropic 프리트레이닝 팀에서 Claude를 활용한 연구 가속을 맡는다.

안드레이 카르파티가 LLM 응답을 HTML 형식으로 요청한 뒤 브라우저에서 여는 실용적인 팁을 공유했다. 텍스트에서 마크다운, HTML, 인터랙티브 신경 시뮬레이션으로 이어지는 인간-AI 인터페이스의 진화 방향도 함께 제시한다.

카르파시가 Sequoia Ascent 2026 대담의 주요 내용을 공유했다. LLM은 기존 업무를 빠르게 처리하는 것을 넘어 이전에는 불가능했던 완전히 새로운 종류의 앱과 경제를 가능하게 한다는 주장이다.

Karpathy는 autoresearch가 nanochat의 Time to GPT-2를 2.02 hours에서 1.80 hours로 줄였다고 밝혔다. 그는 agent가 약 2일 동안 약 700개의 변경을 탐색해 약 20개의 additive improvement를 찾았다고 설명했지만, 이 수치는 독립 검증된 benchmark가 아니라 source claim이다.

Andrej Karpathy가 축소형 nanochat training loop를 AI agent가 overnight로 반복 실험할 수 있게 하는 autoresearch repo를 공개했다. 고정 5분 실험, Git branch, validation loss 기반 선택을 묶어 agent 연구를 closed-loop workflow로 바꾸려는 시도다.

AI 연구자 안드레이 카르파티가 LLM 시대의 핵심 기술 과제로 메모리와 연산 자원의 최적 조합을 제시했다. 온칩 SRAM과 외부 DRAM의 트레이드오프를 이해하고 추론·훈련 워크플로우에서 최고의 처리량·지연시간·비용 효율을 달성하는 것이 현재 가장 흥미로운 기술적 과제라고 강조했다.

AI 연구자 안드레이 카르파티가 지난 2개월 새 프로그래밍이 근본적으로 변화했다고 주장했다. 특히 지난 12월을 기점으로 코딩 에이전트가 실용적으로 작동하기 시작했으며, 이제 개발자는 코드를 직접 작성하는 대신 AI 에이전트를 지시·관리하는 역할로 전환되고 있다.

앤드레이 카파시가 LLM이 프로그래밍 언어와 소프트웨어 제약 환경을 완전히 변화시킨다고 분석했다. LLM은 코드 번역에서 특히 강점을 보이며, 향후 작성된 소프트웨어의 상당 부분이 여러 번 다시 쓰여질 것이라 전망했다.

Andrej Karpathy가 새로운 AI 에이전트 패러다임 "Claws"를 소개했습니다. OpenClaw와 같은 시스템이 LLM 에이전트 위에서 오케스트레이션, 스케줄링, 컨텍스트, 도구 호출, 지속성을 제공하는 새로운 AI 스택 레이어입니다.

안드레이 카파시가 1시간 만에 개인 맞춤형 헬스 트래킹 앱을 바이브코딩한 경험을 공유하며, 기존 앱스토어 모델의 종말과 AI 네이티브 소프트웨어 시대의 도래를 예고했다.