# 노정석 팟캐스트 ep58

![EP 58. 컨텍스트 엔지니어링은 '목발'이다? Noam Brown 팟캐스트 읽어보기](https://youtu.be/9yAkW-WgiWk?si=8F2weT3PN7KD8xRe)

### 새로 알게 된 사람들.

Noam Brown

Dwarkesh

Ilya Sutskever

### 새로 배운 개념

**harness** : context engineering, RAG, DPO, 에이전틱 프레임워크, Rule-based tool calling 을 종합하는 표현. sclae 이 아닌 모든 것.

**System1(직관) vs System2(추론)** : 미적분을 처음 배울 때는 엄밀한 증명이 필요하지만, 익숙해지면 sys1의 단계로 들어와 적은 ttc 를 가지고도 풀수 있다.

### 인사이트

- o1을 활용한 유즈케이스가 아직 부족하다.

- 스케일의 법칙은 여전히 유효하지만, 소프트 배리어는 존재할거다. 
- 물리적으로는 가능하지만, 비용적 문제, 실리적 문제에 의해 자원을 덜 투입하는 경계가 존재한다.

- 지식의 복리효과 : 
- 드와케시는 AI를 활용하여 더 많은 지식을 빠르고 정확하게 학습한다.
- 이 AI 시대에도 끊임없이 공부하는 역량은 필수적이다. 아무리 모델이 발전해도 모델은 사용자의 문제를 해결하고자 학습되어있음. 결국 요구자의 역량만큼 이끌어 낼 수 있음.

- 에이전틱 시스템과 harness는 결국 목발과 같아 6개월 후에는 scale에 의해 의미가 없어진다.
- 그러면 결국 우리의 역할은 좋은 문제를 찾고, 꾸준히 자원을 투입하는 것.

- 뜬금없는 지식의 연결
- 최단거리 알고리즘 : A와 B를 잇는 최적의 개념 C를 찾는다.

### TTC와 에이전트

[Scaling Test Time Compute to Multi-Agent Civilizations — Noam Brown](https://www.youtube.com/watch?v=ddd4xjuJTyg)

- **광범위한 적용 가능성:** 추론 모델은 코딩이나 수학과 같이 "쉽게 검증 가능한" 영역뿐만 아니라, "성공이 덜 명확하게 정의된" 심층 연구(Deep Research)와 같은 영역에서도 뛰어난 성능을 보임을 강조합니다. 그는 Deep Research 모델이 "성공을 쉽게 검증할 수 있는 지표가 없는 영역에서 이 모델들이 엄청나게 잘하고 있다는 존재 증명"이라고 말합니다.

- 현실세계에서는 체스게임에서 illegal movement를 한 뒤, 아ㅎㅎ 장난이었어. 할 수 없다. 이미 유리컵은 깨져있을 것이기 때문. 그렇기에 test time compute을 통한 simulation이 좋다.

For the site tree, see the [root Markdown](https://slashpage.com/yejun-cheon.md).