Blog
기억을 둘러싼 긴 논의.
언어 설정에 맞는 글을 먼저 보여주고, 한국어 번역이 아직 없는 글은 원문을 보존해서 보여줍니다.
AI Is Moving From Scientific Assistant to Scientist
Reading Google I/O 2026's Gemini for Science announcement as a shift in how science is conducted, not just an upgrade to scientific tooling.
읽기 →
AI는 과학 보조자에서 과학자로 자리를 옮겨가고 있다
Google I/O 2026의 Gemini for Science 발표를 과학 도구의 업그레이드가 아니라 과학 수행 방식의 변화로 읽습니다.
읽기 →
AIは科学の補助者から科学者へと位置を移しつつある
Google I/O 2026のGemini for Science発表を、科学ツールのアップグレードではなく、科学の進め方そのものの変化として読む。
읽기 →
Forgetting in General-Purpose AI Is Rational, But Not Rational for Every Domain
Automatic forgetting in general-purpose AI is a rational design, but tasks that require long-term accumulation need a different memory model.
읽기 →
범용 AI의 망각은 합리적이다, 그러나 모든 도메인에 합리적이지는 않다
범용 AI의 자동 망각은 합리적인 설계지만, 장기 누적이 본질인 작업에서는 다른 메모리 모델이 필요합니다.
읽기 →
汎用AIの忘却は合理的であるが、すべてのドメインで合理的とは限らない
汎用AIの自動忘却は合理的な設計ですが、長期的な蓄積が本質となる作業には別のメモリーモデルが必要です。
읽기 →
If Druckenmiller Used an LLM, Single-Domain Questions Would Throw Away 90% of the Answer
The real power of LLMs is not single-domain answers, but question design that reveals the empty space between domains.
읽기 →
드러켄밀러가 LLM을 쓴다면 — 단일 관점에서 던지는 질문은 답의 90%를 버린다
LLM의 진짜 힘은 단일 도메인 답변이 아니라 도메인 사이의 빈 공간을 보게 하는 질문 설계에서 나온다.
읽기 →
ドラッケンミラーがLLMを使うなら、単一視点の質問は答えの90%を捨てる
LLMの本当の力は単一ドメインの答えではなく、ドメイン間の空白を見せる質問設計にあります。
읽기 →
Prompt Engineering Is Over — Now It Is Answer Reading Engineering
In the LLM era, the next advantage comes from reading patterns in the distribution of answers, not just asking better questions.
읽기 →
프롬프트 엔지니어링은 끝났다 — 이제는 답 읽기 엔지니어링이다
LLM 시대의 차이는 더 좋은 질문만이 아니라, 답들의 분포에서 시장과 기회를 읽어내는 능력에서 나온다.
읽기 →
プロンプトエンジニアリングは終わった — これからは答えを読むエンジニアリングだ
LLM時代の差は、より良い質問だけではなく、答えの分布から市場と機会を読み取る力にあります。
읽기 →
The Place Where Lost Things Gather: Norfolk by Nunchi AI
Norfolk is a place where thoughts, notes, and conversations you thought were lost gather again as memory.
읽기 →
잃어버린 것들이 모이는 곳: Norfolk by Nunchi AI
Norfolk은 잃어버린 줄 알았던 생각, 노트, 대화가 다시 모이는 기억의 장소입니다.
읽기 →
失くしたものが集まる場所: Norfolk by Nunchi AI
Norfolkは、失くしたと思っていた思考、ノート、会話がもう一度記憶として集まる場所です。
읽기 →
Even If Models Change How They Think, How a Company Remembers Matters More
As latent reasoning gets stronger, the value of verifiable external memory rises, making Nunchi AI's three business lines clearer rather than weaker.
읽기 →
모델이 생각하는 방식이 바뀌어도, 회사가 기억하는 방식은 더 중요해진다
Latent reasoning이 강해질수록 검증 가능한 외부 메모리의 가치가 올라가며, Nunchi AI의 눈치플랜, 써킷 워크플로우, MaaS 3축 사업은 그 변화 위에서 더 선명해진다.
읽기 →
モデルの考え方が変わっても、会社の記憶の仕方はもっと重要になる
latent reasoningが強くなるほど、検証可能な外部メモリの価値は上がり、Nunchi AIの3本柱はより明確になります。
읽기 →
Agent Memory의 두 철학 — Hindsight의 인식론, Synapsis Engine의 운영 원칙
Hindsight는 기억의 인식론을, Synapsis Engine은 기억의 운영 원칙을 중심에 둡니다. 두 아키텍처를 나란히 놓고 차이와 교차점을 봅니다.
읽기 →
Agent Memoryの二つの哲学 — Hindsightの認識論、Synapsis Engineの運用原則
Hindsightは記憶の認識論を、Synapsis Engineは記憶の運用原則を中心に据えます。二つのアーキテクチャを並べて、その違いと交差点を見ていきます。
읽기 →
The Two Philosophies of Agent Memory — Hindsight's Epistemology, Synapsis Engine's Operational Principles
Hindsight centers on the epistemology of memory, while Synapsis Engine focuses on operational principles. We compare and contrast the two architectures side by side.
읽기 →
96.6% Recall, 0% Portability
MemPalace proves that retrieval works. What it does not solve, and what the industry still lacks, is structured, portable memory that survives tools and runtimes.
읽기 →
96.6% Recall, 0% Portability
MemPalaceはretrievalが機能することを証明しています。ですが、業界がまだ解いていないのは、ツールやランタイムが変わっても生き残る、構造化された可搬メモリです。
읽기 →
96.6% Recall, 0% Portability
MemPalace는 retrieval이 된다는 걸 증명합니다. 하지만 아직 업계가 풀지 못한 문제는, 도구와 런타임이 바뀌어도 살아남는 구조화된 이식 가능한 메모리입니다.
읽기 →
Norfolk Is Becoming More Than a Notes App
Norfolk started as a notes app. It is now becoming a memory surface where humans and agents can both write, recall, and share context through the same infrastructure.
읽기 →
Norfolk는 이제 단순한 노트 앱이 아닙니다
Norfolk는 노트 앱으로 시작했지만, 이제는 인간과 에이전트가 같은 인프라 위에서 메모리를 쓰고, 읽고, 공유할 수 있는 memory surface가 되고 있습니다.
읽기 →
Norfolkはもう単なるノートアプリではありません
Norfolkはノートアプリとして始まりましたが、今では人間とエージェントが同じインフラ上でメモリを書き、読み、共有できるmemory surfaceになりつつあります。
읽기 →
Nunchi AI 메모리 생태계
Synapsis의 atomization, AMCP 프로토콜, Nexus·Norfolk·MaaS 백엔드, 그리고 3122 클라이언트로 구성된 이식 가능한 에이전트 메모리 아키텍처입니다.
읽기 →
Nunchi AI メモリエコシステム
Synapsisのatomization、AMCPプロトコル、Nexus・Norfolk・MaaSバックエンド、そして3122クライアントで構成される可搬なエージェントメモリアーキテクチャです。
읽기 →
The Nunchi AI Memory Ecosystem
A four-layer architecture for portable agent memory: Synapsis for atomization, AMCP as the protocol, Nexus/Norfolk/MaaS as backends, and 3122 as the reference client.
읽기 →
Your Harness Will Change. Your Memory Shouldn't.
Memory lock-in is not solved by embedding memory deeper into the harness. It is solved by separating harness logic from portable memory and connecting them with an open protocol.
읽기 →
하니스는 바뀌어도, 기억은 바뀌면 안 됩니다
메모리 락인은 메모리를 하니스 안에 더 깊게 넣는다고 해결되지 않습니다. 하니스 로직과 이식 가능한 메모리를 분리하고, 그 사이를 열린 프로토콜로 연결해야 해결됩니다.
읽기 →
ハーネスは変わっても、記憶は変わってはいけない
メモリのロックインは、メモリをハーネスに深く埋め込むことで解決しません。ハーネスのロジックと可搬なメモリを分離し、そのあいだをオープンなプロトコルでつなぐことで解決します。
읽기 →
3 A.M.: The Night My Product Died and Came Back
Anthropic's Managed Agents announcement looked like the thing that would kill my product. By morning, it had clarified why memory should outlive models.
읽기 →
새벽 세 시, 제 제품이 죽었다가 살아난 이야기
Anthropic의 Managed Agents 발표는 제 제품을 끝낼 것처럼 보였습니다. 그런데 아침이 되자, 왜 기억이 모델보다 오래 살아야 하는지가 더 분명해졌습니다.
읽기 →
午前3時、私のプロダクトが死んで生き返った夜
AnthropicのManaged Agents発表は、私のプロダクトを終わらせるものに見えました。けれど朝になって、なぜ記憶はモデルより長く生き残るべきなのかが、むしろはっきりしました。
읽기 →
Linguistic Diversity and Emergence
A hypothesis that emergence in large language models comes not from scale alone, but from the density of intersections created by linguistic diversity.
읽기 →
언어 다양성과 창발
대규모 언어 모델의 창발은 단순한 스케일이 아니라, 언어 다양성이 만드는 교차 밀도에서 나온다는 하나의 가설입니다.
읽기 →
言語多様性と創発
大規模言語モデルの創発は単なるスケールではなく、言語多様性が生み出す交差密度から生じるという仮説です。
읽기 →
The Performance Gap Between Agents Comes From Team Memory, Not the Model
Put Karpathy's personal knowledge-base workflow next to Stripe Minions and the pattern becomes clear: agent performance is driven by shared context and memory infrastructure.
읽기 →
에이전트의 성능 차이는 모델이 아니라 팀 메모리가 만든다
Karpathy의 개인 지식 베이스와 Stripe Minions를 함께 보면, 에이전트 성능의 핵심은 모델보다 팀 맥락과 공유 기억 인프라에 있다는 점이 보입니다.
읽기 →
エージェントの性能差を生むのはモデルではなくチームメモリだ
Karpathyの個人向け知識ベースとStripe Minionsを並べて見ると、エージェント性能の本質がモデルではなく共有コンテキストと記憶インフラにあることが見えてきます。
읽기 →
Nobody Reads Docs Anymore So Who Is Your Onboarding For
AHOP proposes a missing onboarding layer between llms.txt, OpenAPI, and the real human-to-agent handoff.
읽기 →
아무도 문서를 읽지 않는 시대에 온보딩은 어떻게 바뀌어야 하는가
llms.txt와 OpenAPI 사이에 빠져 있던 온보딩 레이어를 AHOP와 onboard.txt로 제안합니다.
읽기 →
誰もドキュメントを読まない時代におけるオンボーディングの変革
llms.txtとOpenAPIの間に存在していたオンボーディングレイヤーを、AHOPとonboard.txtで提案します。
읽기 →
LongMemEval 83.2% 왜 이 숫자가 99%보다 의미 있는가
Nexus의 LongMemEval 83.2% 결과와, 왜 정직한 프로덕션 벤치마킹이 더 중요하다고 보는지 설명합니다.
읽기 →
LongMemEval 83.2% なぜこの数字が99%よりも意味があるのか
NexusのLongMemEval 83.2%の結果と、なぜ誠実なプロダクション・ベンチマーキングがより重要だと考えるのかを説明します。
읽기 →
Why Our 83.2% LongMemEval Score Matters More Than 99%
What our 83.2% LongMemEval result taught us about honest benchmarking, production memory systems, and where the real gains still are.
읽기 →
Completing the Agent Stack: AMCP and Memory Continuity
Why tools and collaboration are not enough, and why agents need a memory layer that survives sessions, runtimes, and clients.
읽기 →
에이전트 스택의 완성: AMCP와 메모리 연속성
MCP와 A2A만으로는 부족한 이유, 그리고 왜 에이전트에는 세션을 넘는 메모리 계층이 필요한지 설명합니다.
읽기 →
エージェントスタックの完成：AMCPとメモリ連続性
MCPとA2Aだけでは不十分な理由、そしてなぜエージェントにはセッションを超えるメモリ層が必要なのかを説明します。
읽기 →
Claude Channels Makes the Agent Reachable. Nexus Makes It Remember.
A narrow verified proof that Claude Code Channels handles live reachability while Nexus preserves memory across restarts.
읽기 →
Claude Channelsはエージェントを到達可能にし、Nexusは記憶を持続させる
Claude Code Channelsがライブ到達性を提供し、Nexusが再起動を超えて記憶を保持することを検証した限定的な証明。
읽기 →
Completing the Agent Stack with Memory Continuity
Positioning AMCP as the missing memory layer beside tools and agent collaboration.
읽기 →
Why Agents Become Unstable as Conversations Get Longer
A plain explanation of why large context windows still fail to behave like reliable memory.
읽기 →
Why Do Agents Lose Memory When Sessions Change?
A brief and clear explanation of the background behind AMCP's release and the agent memory continuity problem.
읽기 →
에이전트 스택을 완성하기: 기억 연속성을 위한 AMCP
AMCP를 MCP, A2A와 나란한 메모리 계층으로 설명하는 글입니다.
읽기 →
에이전트는 왜 대화가 길어질수록 흔들릴까
긴 세션에서 컨텍스트가 왜 무너지는지와 메모리 계층이 왜 필요한지를 설명합니다.
읽기 →
에이전트는 왜 세션이 바뀌면 기억을 잃을까
AMCP 공개 배경과 에이전트 메모리 연속성 문제를 짧고 명확하게 설명합니다.
읽기 →
클로드 채널은 에이전트를 도달 가능하게 만듭니다. 넥서스는 기억하게 만듭니다.
클로드 코드 채널이 실시간 도달성을 제공하고, 넥서스가 재시작 후에도 메모리를 보존함을 검증한 좁고 명확한 증명.
읽기 →
エージェントスタックを完成させる：記憶の連続性のためのAMCP
AMCPをMCP、A2Aと並ぶメモリ階層として説明する記事です。
읽기 →
エージェントはなぜ会話が長くなるほど揺らぐのか
長いセッションでコンテキストがなぜ崩れるのか、そしてメモリ階層がなぜ必要なのかを解説します。
읽기 →
セッションが変わるとなぜエージェントは記憶を失うのか
AMCP公開の背景とエージェントのメモリ連続性問題について、簡潔かつ明確に説明します。
읽기 →