# Justin Huang

> Justin Huang blog: AI 논문, agent system, software infrastructure를 인과 사슬로 읽는 개인 기술 블로그입니다.

## About

Justin Huang blog: AI 논문, agent system, software infrastructure를 인과 사슬로 읽는 개인 기술 블로그입니다.

- Site: https://justinhuangai.github.io/ko-KR
- RSS: https://justinhuangai.github.io/ko-KR/rss.xml
- Full content: https://justinhuangai.github.io/ko-KR/llms-full.txt
- Individual posts: append .md to any post URL (e.g. /ko-KR/posts/hello-world.md)
- JSON API: https://justinhuangai.github.io/api/posts.json

## Blog Posts

- [《Externalization in LLM Agents》: LLM Agent의 인지적 외부화](https://justinhuangai.github.io/ko-KR/posts/externalization-in-llm-agents-memory-skills-protocols-and-harness-engineering/): Externalization in LLM Agents를 cognitive artifacts 관점에서 읽는다. Agent의 진전은 점점 더 memory, skills, protocols, harness를 모델 밖의 인프라로 옮기는 일에 가까워지고 있다.
- [《AutoCodeBench》: LLM이 코드 벤치마크를 자동 생성할 때](https://justinhuangai.github.io/ko-KR/posts/autocodebench-large-language-models-are-automatic-code-benchmark-generators/): AutoCodeBench에서 왜 Elixir 열이 눈여겨볼 만한지, 그리고 그것이 자동 생성 다국어 코드 benchmark의 난도 등가성 논의를 어떻게 이끄는지
- [《Attention Residuals》: 잔차 연결도 어텐션처럼 만들기](https://justinhuangai.github.io/ko-KR/posts/attention-residuals/): Kimi Team의 Attention Residuals 기술 리포트 읽기: 왜 residual connection도 attention처럼 바뀌어야 하는지, 그리고 Full AttnRes / Block AttnRes가 그 아이디어를 어떻게 학습 가능하고 배포 가능한 시스템으로 만드는지
- [《Training Compute-Optimal Large Language Models》: Chinchilla가 바꾼 것](https://justinhuangai.github.io/ko-KR/posts/training-compute-optimal-large-language-models/): Chinchilla 논문 — 왜 대부분의 대형 모델이 과소 학습되었는지, 그리고 컴퓨팅 예산을 현명하게 쓰는 법, 실제 Python 코드 예시 포함
- [《Scaling Laws for Neural Language Models》: 규모의 수학](https://justinhuangai.github.io/ko-KR/posts/scaling-laws-for-neural-language-models/): 규모의 수학 — 더 큰 모델이 예측 가능하게 더 나은 이유, 실제 Python 코드 예시 포함
- [OpenClaw 아키텍처: 셀프호스팅 AI 어시스턴트의 엔지니어링 골격 🦞](https://justinhuangai.github.io/ko-KR/posts/openclaw-architecture/): v2026.3.8 소스코드 기반, 셀프호스팅 AI 어시스턴트의 엔지니어링 골격 해부
- [《Language Models are Few-Shot Learners》: GPT-3와 인컨텍스트 학습](https://justinhuangai.github.io/ko-KR/posts/language-models-are-few-shot-learners/): 더 큰 모델, 컨텍스트에서 더 잘 능력을 이끌어내다, 실제 Python 코드 예시 포함
- [OpenClaw 생태계: 오픈소스 프로젝트에서 AI assistant platform으로 🦞](https://justinhuangai.github.io/ko-KR/posts/openclaw-ecosystem/): OpenClaw를 다시 본다. star는 ecosystem이 아니다. supply friction과 usage friction을 계속 낮추는 structure가 ecosystem이다.
- [《BERT》: 언어 이해 사전학습 패러다임의 확립](https://justinhuangai.github.io/ko-KR/posts/bert/): 사전학습 패러다임의 확립, 실제 Python 코드 예시 포함
- [《Sequence to Sequence Learning with Neural Networks》: 인코더-디코더 패러다임의 출발점](https://justinhuangai.github.io/ko-KR/posts/sequence-to-sequence-learning-with-neural-networks/): 인코더-디코더 패러다임의 확립, 실제 Python 코드 예시 포함
- [Clawdbot: 개인 AI 주권의 초기 샘플](https://justinhuangai.github.io/ko-KR/posts/clawdbot/): Clawdbot은 self-hosted AI agent의 핵심 문제가 모델 지능이 아니라 control, context, execution rights의 소유권임을 보여준다.
- [《Neural Machine Translation by Jointly Learning to Align and Translate》: Transformer 이전의 어텐션](https://justinhuangai.github.io/ko-KR/posts/neural-machine-translation-by-jointly-learning-to-align-and-translate/): 어텐션 메커니즘의 기원, 실제 Python 코드 예시 포함
- [《Attention Is All You Need》: Transformer의 설계 원점](https://justinhuangai.github.io/ko-KR/posts/attention-is-all-you-need/): Transformer 논문 연구 노트, 실제 Python 코드 예시 포함
- [Justin Huang Blog에 오신 것을 환영합니다](https://justinhuangai.github.io/ko-KR/posts/hello-world/): AI 논문, agent 시스템, 소프트웨어 인프라, 그리고 그 뒤의 인과 사슬을 읽는 개인 기술 블로그.