LLM 관련, my study flow

이 시장이 처음에는 하나의 고성능 llm에서 점차 agentic-, agent 그리고 agent group browser based, 그리고 최근엔 OS로까지 그 범위와 깊이가 확장되고 있다. 이처럼 빠르게 바뀌는 구간에서는 바뀌는 것과 그렇지 않을 것을 구분할 수 있는 감각과 인지 능력이 중요하다. 특히 기획, 또는 PM/PO 라는 애매한? 직군에겐 더 그런 것 같다.
인간의 뇌 그리고 감각은 본인이 알거나 점유하고 있는 것들에 대한 편향을 기반으로하고 메타 인지는 배경지식을 베이스로 한다. 때문에 다양한 도구와 툴에 대한 경험을 넓기이 위해 지속적으로 관련 분야들을 팔로업하고 있다. 
무분별하거나 우왕좌왕 따라가다 뒷걸음치지 않기 위해, 초반에? 중간? 점검차 지난 스터디 내역을 유형별로 묶어서, 접하고-실습했던 키워드들을 순차적으로 정리해보았다. 
 
 
NLP
ML -> ... -> DL -> ... -> RNN -> encoder, decoder -> LSTM -> Attention -> transformer -> LLM 
 
Cloud service
openai -> multion -> claude -> nomic -> Groq(LPU chip) -> grok-1 -> Perplexity -> arc-search(_ARC)
 
Local based, Unified Interface
ollama(webUI) -> lm studio, anything LLM -> codeGPT -> Msty
 
RAG
langchain -> agentic rag -> LLocalSearch -> SearXNG -> open parse -> phidata 
 
Agent
MOE -> devika -> crewai -> AutoGen(, ..Studio) -> langgraph(, langsmith) -> aiexe ,TaskingAI -> llm os(_phidata)
 
 
 
서두에 언급했던 것과 같이 가장 최근 실습 진행 중인 내용에 키워드는 Agentic Local LLM, WebOS, LLM OS 이다. 
Agentic LLM에 대한 이해도를 높이기 위해 langgraph 부분을 처음부터 다시 스터디하고 있고 그 밖에 실험적으로 진행 중인 WebOS(브라우저 베이스 LLM)과 LLM OS(새로운 운영 체제의 커널 프로세스)에 대한 업데이트 내용들을 따라 실행해보며 팔로업하고 있다.