Blog
Notes from the TRAIL Labs team on GEO, AI search optimization, and running content.
Papers · 2026.11.05LLM 에이전트 비용 줄이는 법: 결정을 4B 모델에 맡기면 81–89% 절감LLM 에이전트 비용을 줄이는 결정 위임 연구를 정리했어요. 고립 질문 정확도는 루프 성공을 예측하지 못하고, 신뢰도 임계값을 에이전트 자신의 궤적으로 맞출 때만 비용 81–89% 절감이 성공 손실 없이 나왔어요.
Trend · 2026.11.05ChatGPT 검색은 어떻게 작동할까: 4일 만에 바뀐 내부 검색 언어ChatGPT가 검색 내부 포맷을 JSON에서 파이프 구분 라인으로 바꿨어요. 호출 유형 5가지, 질문마다 다른 신선도 창, Reddit 인용 급감, 팬아웃 추적 도구가 멈춘 이유까지, AI 검색 가시성을 계속 추적해야 하는 근거를 정리했어요.
Papers · 2026.11.04작은 LLM을 직접 만드는 법: 3% 컴퓨트로 깎는 Sheared-LLaMA작은 LLM을 직접 만드는 방법, LLM 프루닝이란 무엇인지, AI 에이전트에 작은 모델로 충분한지, sLLM 구축 비용의 기준선을 Sheared-LLaMA 논문으로 확인한다.
Papers · 2026.11.03영상으로 로봇을 학습시키는 월드 모델: V-JEPA 2영상만 보고 로봇을 학습시킬 수 있는지, AI 월드 모델이 무엇인지, 영상 생성 모델과 어떻게 다른지를 Meta의 V-JEPA 2 논문으로 정리했어요.
Papers · 2026.11.02AI 검색은 사용자 질문을 그대로 검색할까: Perplexity 검색어 7만 개가 보여 준 것AI 검색이 사용자 질문을 어떻게 검색어로 바꾸는지, 인용되지 않은 문서가 왜 무관한 문서가 아닌지, 검색 모델이 놓치는 문서를 Perplexity의 Q2D-Web 논문으로 정리했어요.
Papers · 2026.10.31에이전트 메모리는 원본 대화를 그대로 검색하는 RAG보다 나을까에이전트 메모리 시스템이 원본을 검색하는 RAG보다 못한 이유, LLM 요약이 잃는 정보, 원본 복구 경로로 손실을 줄이는 방법을 정리한 2026년 UIUC 연구 해설이에요.
Papers · 2026.10.30RAG 답변은 왜 필요한 근거를 다 가져오지 못할까RAG가 멀티팩트 질문에서 근거를 일부만 가져오는 이유, 청킹이 문서 정체성을 지우는 문제, 답과 인용을 함께 채점하면 드러나는 실패를 정리한 2026년 MBZUAI 연구 해설이에요.
Papers · 2026.10.29AI 검색 답변은 사용자 위치에 따라 출처가 달라질까사용자 위치가 ChatGPT·Gemini의 인용 출처와 추천 업체를 어떻게 바꾸는지, 위치 신호가 어느 경로로 들어가는지 답변 31,200개로 잰 2026년 Toronto 대학 연구를 정리했어요.
Papers · 2026.10.27AI 챗봇의 제품 추천은 도구마다 다를까, API로 재면 화면과 같을까AI 챗봇이 제품 추천 질문에 얼마나 단정적으로 답하고 어떤 출처를 보여주는지, API 측정이 소비자 화면을 대표하는지 실제 질문 응답 1,536개로 잰 2026년 연구를 정리했어요.
Papers · 2026.10.26AI 답변은 사람 이름을 얼마나 낼까, 명단 기반 측정이 놓치는 것AI 검색이 추천 질문에 개인 전문가 이름을 내는 비율과, 명단 기반 측정이 그중 얼마를 놓치는지 2,400건 호출로 잰 2026년 연구를 정리했어요.