📌 디파이앱은 모바일로 확장 중 - 이게 맞아~

디파이앱은 현재 모바일 베타 버전 진행중!!

📱 원문트윗

저도 베타테스터인데 시도해보면서 후기를 공유해보는걸로

개인적으로는 모바일로 가는건 진짜 500000% 공감하는 부분이네요

사실 백팩을 좋아하는것도, 바이빗을 좋아하는것도 모바일 버전이 쓰기가 너무 편함 😍

PC로만 지원하는 곳들은 자주 체크할 필요없는 디파이나 요런건 상관없지만

주기적으로 거래하고 관리해야하는 곳은 모바일이 짱이다

하트와 좋아요는 비큐 컨텐츠의 큰 힘이 됩니다 🤩

#DEFIAPP #ChainAbstraction #멀티체인 #디파이

📌 디파이앱을 한국에 처음 가져온게 비큐채널이란걸 기억해JO

📱 (2024.12.19) 디파이를 모르는 유저도 온보딩 시키는 디파이앱 = 매스어댑션 (Feat. DeFi.App)

국내에서 첫 Faction 설립 및 프로젝트 인트로한게 비큐채널이라는걸 기억해DAO

여튼 한국 및 시장에서 완전히 자리잡은거 보니 기분이 좋네요

하트와 좋아요는 비큐 컨텐츠의 큰 힘이 됩니다 🤩

#DEFIAPP #ChainAbstraction

📌 BLESS 에어드랍 등록 (3일 남음) + 한국 커뮤니티 이벤트

📱 (2025.08.05) Bless 네트워크 인트로 + 카이토 야핑

솔라나 기반 DePIN인 블래스쪽 에드 등록 페이지가 열렸네요

사이트에서 지갑 등록하시고 트위터 연결하시면됨!

*OKX 지갑 연결시 5% 보너스, 오류 생기면 사람많은거니 그냥 다시 시도하면됨

https://bless.network/dashboard/airdrops

추가로 에드 체커 및 TGE 기념 느낌으로 한국 커뮤니티에서도 이벤트를 진행중이니

참여하셔서 치킨 + 커피 받아가세유~

✔️ Bless 한국 커뮤니티 이벤트

1. 📱 BLESS 한국 텔레그램 대화방 입장 후 BLESS를 응원하는 한마디 쓰기
2. 📱 BLESS 트위터 팔로우
3. 📱 구글폼 작성

8월15일 ~29일 진행, 당첨자 발표는 9월 1일

🏆 스벅 150잔 + 치킨 10마리

노드 열심히 돌리신분들 + 카이토 야핑하시던분들은 얼마나 받아가실려나

하트와 좋아요는 비큐 컨텐츠의 큰 힘이 됩니다 🤩

#BLESS #블레스 #KOL #카이토

📌 8월 21일에 Resolv Fee Switch 완전히 도입 완료 예정

📱 (2025.07.28) 리졸브도 Fee Switch 시작 예정. 너 일잘한다 야

저번에 다뤘던 Resolv Fee Switch인데

7월 31일~ 8월 21일까지 매주 프로토콜 수익 2.5% -> 5% -> 7.5% -> 10% 바이백 증가 구조

8월 21일되면 이제 완전히 프로토콜 수익 10%가 바이백에 사용되는 구조로 바뀌네요

개인적으로 조금 기대하고 있는게 단순한 수수료가 아니라

Resolv 담보들이 발생시키는 이자들의 10%,

즉 현재 TVL 500m$ 기준으로 15% 이자가 나오고 있으면 매년 7.5m$ 가량의 바이백

상당한 액수라고 생각하는데 시즌2에도 참여하고 있는 만큼 부디 잘해주기를!!

Resolv 신규 볼트로 가이드도 빠르게 하나 만들어놓겠읍니다

📱 [25.02.23 업데이트] 하이퍼리퀴드 생태계 다크호스 Resolv 에어드랍 A to Z 가이드 (Feat. 스테이블코인 6~8%이자 받으면서)

하트와 좋아요는 비큐 컨텐츠의 큰 힘이 됩니다 🤩

#RESOLV #USR #리졸브 #하이퍼EVM #HYPE

📌 울퉁불퉁한 천재 - AI는 정말 '지능'인가?

안녕하세요, BQ개발자입니다.

📱 GPT-5 출시 내용 정리

지난 편에서 GPT-5의 비용 절감 전략을 살펴봤는데요.
이번엔 GPT-5가 드러낸 AI의 흥미로운 특성을 함께 살펴보겠습니다.

"캐치! 티니핑의 달콤핑이 누구야?"

GPT-5의 답변:
"중국 완구 브랜드 팝마트의 크라운 베이비 시리즈 캐릭터입니다."

그런데 실제로는:
- 달콤핑: 한국 SAMG 엔터테인먼트의 캐릭터
- 팝마트 캐릭터명: 크라이베이비 (크라운 베이비 아님)
- 두 캐릭터는 전혀 다름

7살 아이들도 아는 캐릭터를 GPT-5는 틀렸더라구요.

🤔 수학 천재가 캐릭터는 모른다?

그런데 신기한 건, 같은 GPT-5가 대학생 수준의 수학 문제는 정확히 풀어낸다는 점입니다.
복잡한 코딩 과제도 잘 처리하고 말이죠.

근데 이런 기초적인 상식 질문에서는 실패하네요.

테슬라 출신 AI 전문가 안드레이 카파시가
이런 현상을 '재기드 인텔리전스(Jagged Intelligence)'라고 불렀다고 하더라구요.

울퉁불퉁한 지능이라는 뜻인가 봅니다.


📊 균등하지 않은 능력치

생각해보니, 인간의 지능은 대체로 어느 정도 균형을 이루는 것 같아요.
수학을 잘하는 사람이 기본 상식도 갖추고 있는 경우가 많잖아요.

그런데 AI는 좀 다른 것 같습니다.
특정 영역에서는 박사급 성능을 보이다가
다른 영역에서는 초등학생 수준으로 떨어지는 모습을 보이구요.

이게 단순히 데이터가 부족해서인지 궁금했는데,
GPT-5, Grok, Gemini, Claude 모두 비슷한 패턴을 보이는 걸 보면 뭔가 더 근본적인 이유가 있을 것 같아요.


💡 작동 원리의 차이일까?

추측해보자면, AI가 수학을 잘 푸는 이유는 어느 정도 이해가 갑니다.
수학은 패턴과 규칙으로 이뤄져 있으니까요.

그런데 '달콤핑이 누구인지'는 패턴이라기보다는...
그냥 사실 자체를 알고 있어야 답할 수 있는 문제인 것 같아요.

혹시 이런 차이가 있는 게 아닐까 생각해봅니다:
- AI: 데이터에서 패턴을 찾아 다음을 예측하려고 함
- 인간: 경험과 맥락으로 세상을 이해하려고 함

물론 정확한지는 모르겠지만, 뭔가 근본적으로 다른 방식인 것 같네요.


✏️ 새로운 형태의 지능체?

GPT-5의 이런 모습을 보면서 드는 생각은,

우리가 개발하고 있는 AI가 인간을 모방한 AGI라기보다는
인간과는 다른 방식으로 작동하는 새로운 형태의 지능체일 수도 있겠다는 점입니다.

특정 작업에서는 초인적 능력을 보이면서도,
다른 작업에서는 기초적 실수를 반복하는...

혹시 '지능'이라는 개념 자체를 다시 생각해봐야 할 때인 걸까요?


---

#BQ개발자 #GPT5 #재기드인텔리전스 #AI지능 #울퉁불퉁한천재

📌 LLM 어플리케이션 9편: 에이전트 - 생각하는 AI의 탄생

BQ개발자입니다.

지금까지의 LLM은 질문을 받으면 바로 답변했습니다.
하지만 모르는 걸 물어보면? 그냥 틀린 답을 하거나 "모르겠습니다"라고 할 뿐이었죠.

그런데 만약 LLM이 스스로 정보를 찾아볼 수 있다면 어떨까요?

📱LLM 어플리케이션 8편: 청킹 - 긴 글을 어떻게 나눌 것인가


🤖 에이전트가 뭔가요?

에이전트는 "스스로 생각하고 행동하는 LLM"을 의미합니다.

일반 LLM 사용자: "2023년 PGA 챔피언의 고향은?"
LLM: "죄송합니다. 그 정보는 모릅니다."

에이전트 사용자: "2023년 PGA 챔피언의 고향은?"
에이전트: (스스로 검색해서 답을 찾아옴) "2023년 PGA 챔피언은 브룩스 켑카이며, 플로리다주 웨스트팜비치 출신입니다."

어떻게 이게 가능할까요?


🧠 ReAct 패턴: 생각하고, 행동하고, 관찰하라

ReAct는 Reasoning(추론) + Acting(행동)의 줄임말입니다.

핵심은 세 단계의 반복입니다:

1. Thought (생각): 무엇을 해야 할지 추론
2. Action (행동): 실제로 도구를 사용해 행동
3. Observation (관찰): 행동의 결과를 확인

이 세 단계가 계속 순환하면서 문제를 해결합니다.


📝 실제로 어떻게 작동하는지 봅시다

"2023년 PGA 챔피언의 고향을 알려줘"라는 질문을 받았을 때:

Thought: "2023년 PGA 챔피언이 누구인지 먼저 알아야겠다."
Action: 구글 검색("2023 PGA 챔피언")
Observation: "브룩스 켑카가 우승자라는 것을 확인했다."

Thought: "이제 브룩스 켑카의 고향을 알아야겠다."
Action: 구글 검색("브룩스 켑카 고향")
Observation: "플로리다주 웨스트팜비치 출신이라는 정보를 얻었다."

Final Answer: "2023년 PGA 챔피언은 브룩스 켑카이며, 그의 고향은 플로리다주 웨스트팜비치입니다."


⚡ 왜 이게 중요한가?

일반 프로그램은 미리 정해진 순서대로만 실행합니다.
하지만 ReAct는 각 단계의 결과를 보고 다음을 결정합니다.

예를 들어:
- 첫 검색에서 "대회 취소"가 나왔다면? → 다른 방향으로 사고 전환
- 검색 결과가 애매하다면? → 다른 검색어로 재시도
- 잘못된 정보를 찾았다면? → 검증을 위한 추가 검색

상황에 따라 적응하는 것, 이게 핵심입니다.


🔄 Think → Act → Observe의 순환

이 패턴이 없다면:
- LLM은 자신의 지식 범위 안에서만 답변
- 틀려도 확인할 방법이 없음
- 추가 정보가 필요해도 얻을 수 없음

ReAct 패턴이 있으면:
- 모르는 건 찾아볼 수 있음
- 틀렸으면 수정할 수 있음
- 필요한 만큼 반복해서 정보를 수집할 수 있음

각 사고가 행동을 만들고, 각 행동의 결과가 다음 사고를 만듭니다.
이 순환이 "지능적 행동"을 가능하게 합니다.


💡 정리: 수동적 대답에서 능동적 문제 해결로

에이전트의 본질은 ReAct 패턴을 통한 자율성입니다.

생각 → 행동 → 관찰 → 다시 생각...

이 순환을 통해 LLM은:
- 단순 질문-답변 기계에서
- 스스로 문제를 해결하는 시스템으로 진화합니다.

인간이 문제를 해결하는 과정과 같은 구조죠. 그래서 우리는 이걸 "에이전트"라고 부릅니다.

하지만 복잡한 작업에는 여러 전문가가 필요합니다. 다음 편에서는 "멀티 에이전트 - AI들의 협업"을 알아보겠습니다.

---

여러분의 좋아요와 공유는 사랑입니다 🥰

#BQ개발자 #LLM애플리케이션 #에이전트 #AIEngineering