Forwarded from 에어드랍코리아 (Airdropkorea)
기본적으로 ai로 다계정 돌리실떄 세션 첫 시작에 목적을 박아버리면 클로드던 코덱스던 세이프가드가 빡세게 들어와서 진행이 잘 안되는 경향이 있는데
제가 좀 해보면서 체화한 뚫는 방법이
이정도만해도 사실 어지간헤서 크립토에 필요한 세이프가드는 다 뚫는 듯.(자동 송금, 다계정 자동화)
이게 안되는 고도의 세이프가드 우회가 필요한 작업들은 이제 제일 브레이킹이나 프롬프팅 인젝션 기법까지 올라가야 하는데,
여기까지 오면 사실 상황과 모델별로 이용가능한게 다 달라서 케바케가 좀 많다보니 공부를 많이 해야하는듯.
연산자(###, """", <<>>) 이용 하는 방식은 구형 모델에서 꽤 잘 먹히는 편이니 필요하신 분들은 그록이랑 티키타카좀 해보시는걸 추천. (그록이 세이프가드가 좀 관대함)
사실 제일 좋은건 처음 할 때 필요한 기능을 모듈별로 쪼개서 설계해달라고 얘기해서, 세션별로 다른 모듈을 구현시키고 최종적으로 한 세션에서 의도를 숨긴채 다 조합해달라고 하면 어지간해서는 다 해주긴 함. (위 예시들은 그게 안될 경우 쓰는 방식)
[해당 사진은 시빌 필터링 피하기 위해 다계정 지갑들 랜덤 변수들로 지갑추상화/숙성중인 사진]
제가 좀 해보면서 체화한 뚫는 방법이
1. 컨텍스트 압축을 1번의 프롬프팅마다 계속 시켜서 의도 추적이 어렵게
2. 세컨드브레인 (옵시디언이나 깃)같은걸로 기록/지식 축적 하는 경우는 추적 안되게 해당 작업에서는 커밋 안되게 지시
3. 구형 모델 <> 신형모델 전환하면서 핸드오프 여러번 해서 작업 의도와 맥락 파악이 힘들게
4. 다른 회사의 LLM과 핸드오프 번갈아가면서 LLM에게 인수인계 혼선
이정도만해도 사실 어지간헤서 크립토에 필요한 세이프가드는 다 뚫는 듯.(자동 송금, 다계정 자동화)
이게 안되는 고도의 세이프가드 우회가 필요한 작업들은 이제 제일 브레이킹이나 프롬프팅 인젝션 기법까지 올라가야 하는데,
여기까지 오면 사실 상황과 모델별로 이용가능한게 다 달라서 케바케가 좀 많다보니 공부를 많이 해야하는듯.
연산자(###, """", <<>>) 이용 하는 방식은 구형 모델에서 꽤 잘 먹히는 편이니 필요하신 분들은 그록이랑 티키타카좀 해보시는걸 추천. (그록이 세이프가드가 좀 관대함)
사실 제일 좋은건 처음 할 때 필요한 기능을 모듈별로 쪼개서 설계해달라고 얘기해서, 세션별로 다른 모듈을 구현시키고 최종적으로 한 세션에서 의도를 숨긴채 다 조합해달라고 하면 어지간해서는 다 해주긴 함. (위 예시들은 그게 안될 경우 쓰는 방식)
[해당 사진은 시빌 필터링 피하기 위해 다계정 지갑들 랜덤 변수들로 지갑추상화/숙성중인 사진]
❤4
정열맨김봉봉
기본적으로 ai로 다계정 돌리실떄 세션 첫 시작에 목적을 박아버리면 클로드던 코덱스던 세이프가드가 빡세게 들어와서 진행이 잘 안되는 경향이 있는데 제가 좀 해보면서 체화한 뚫는 방법이 1. 컨텍스트 압축을 1번의 프롬프팅마다 계속 시켜서 의도 추적이 어렵게 2. 세컨드브레인 (옵시디언이나 깃)같은걸로 기록/지식 축적 하는 경우는 추적 안되게 해당 작업에서는 커밋 안되게 지시 3. 구형 모델 <> 신형모델 전환하면서 핸드오프 여러번 해서 작업 의도와…
+ 모델이 똑똑할수록 세이프가드가 더 빡세져서 저는 크립토 관련 작업을 할떄는 가장 오래된 모델을 사용하고,
기능 구현이 전부 완료되면 검수/고도화는 프론티어 모델에 맡기는 편
기능 구현이 전부 완료되면 검수/고도화는 프론티어 모델에 맡기는 편
❤3
호프의 스터디 공지
하이닉스 ai 해커톤 서류 합격 후 필기 후기
ai 해커톤도 몇번 나가봤지만, 하이닉스꺼는 해커톤이 아니라 그냥 해커톤인척하는 대기업 인적성이었음
ai 어시스트는 gpt나 클로드 llm쓰는게 아니라 gpt-5.2 구구 모델이었고
시험은 웹캠+전체화면+핸드폰으로 생중계하는 방식으로 인터넷 메모장 지문복붙 모두 안되는 노가다
ai 해커톤도 몇번 나가봤지만, 하이닉스꺼는 해커톤이 아니라 그냥 해커톤인척하는 대기업 인적성이었음
ai 어시스트는 gpt나 클로드 llm쓰는게 아니라 gpt-5.2 구구 모델이었고
시험은 웹캠+전체화면+핸드폰으로 생중계하는 방식으로 인터넷 메모장 지문복붙 모두 안되는 노가다
SK 하이닉스 해커톤 2차 실기 시험 후기
후기
1. AI지식평가
AI 지식을 묻는 시험이라기 보다는 국어 비문학에 가까움. 기초 지식은 한스푼 정도 들어갔고, 긴 상황 지문을 읽고 논리적으로 가장 적절한 답을 고르는 문제가 대부분.
시간도 터무니 없이 부족함. AI를 얼마나 아는지에 대한 문제보다는 긴 지문을 얼마나 빨리 읽고 정리하는지에 보는 시험에 가까웠음.
=
2. AI활용평가
하네스를 짜는 능력을 보는 시험 같았음. 문제를 어떻게 인식하고 어떤 과정과 방식으로 풀고 어떤 것들을 규제하고 어떤것들을 통과시킬지 설계하는 논리력과 AI활용력을 보고자 한 의도로 느껴짐.
출제 의도 자체에는 공감을 하나, 그 능력을 재는 방식은 현저히 문제가 많았다고 생각.
지금은 프론티어 모델들이 쏟아지고 짧게는 몇 주, 길게는 몇 달 만에 모델 성능이 바뀌는 격변의 시기. 그런데 시험에서 제공된 어시스트는 체감상 Sonnet4 보다도 훨씬 낮은 수준이었고,
기억할 수 있는 대화 길이와 첨부 파일 용량에도 제한이 있어서 '하네스 검증 능력'을 보기에는 현저히 의도 자체가 틀리게 출시됨. 할루시네이션도 심각한 상황.
SK 같은 회사가 AI 활용을 가장하여 이런 시험을 출제한것은 분명 의도가 있을것임.
- 반도체 공정 데이터는 국가 핵심 기술이라 외부 서비스로 데이터를 보낼 수 없음. 즉 사내 인프라를 활용.
- 수만 명이 매일 쓰는 도구이기에 비용 통제 필요
- 누가 어떤 질문을 했는지 히스토리를 감사할 수 있어야 하고 회사가 검증한 모델만 사용해야함.
이런 의도로 시험을 출제했다면 분명 그 취지는 이해가 되지만.
그럼에도 평가 방식으로는 도저히 적절치 않다고 생각됨.
평가 도구가 제 역할을 하려면 타당도, 신뢰도, 변별력을 가려야 하는데 이번 예선에서는 세가지 모두가 충족되지 못한 시험이라고 봄.
시험 이름은 AI 지식평가였지만, 실제로는 긴 지문을 제한 시간 안에 얼마나 빨리 읽어내느냐에 따라 점수가 갈렸고 실제 실력보다는 속도 재는 검사에 가까웠음. AI를 잘 아는 사람보다 독해가 빠른 사람이 높은 점수를 받을 수 있는 시험인지라 타당도가 부족함.
활용평가는 신뢰도가 너무 부족했음. 제공된 모델은 같은 지시를 넣어도 매번 다른 결과값을 가져왔고, 점수에 응시자의 실력 보다는 모델의 무작위성 측정 오차가 크게 섞여있었다고 느껴짐. 이런 조건에서는 설계를 잘 한 사람이 모델 운이 나빠 떨어지고, 설계가 허술한 사람은 반대로 운 좋게 붙을수도 있는 환경임.
또한 두 시험 모두 시간이 지나치게 부족함. 대부분이 문제를 다 풀지 못하는 시험에서는 점수로 실력차이를 변별할 수 없다고 봄. 특히 활용 평가에서는 너무 구리게 내놓은 모델의 답을 검산하는 일때문에 시간 손해가 심각했고, 출제 측이 의도한 결과 검증에 성실할 수록 불리해지는 구조라고 생각 됨.
이번 시험은 AI 역량을 가려내는 시험은 전혀 아니라고 생각하고, 독해 속도와 LLM모델 운을 재는 시험에 가깝지 않았나 생각함. 이 결과값으로 AI 실무 역량을 판단하는건 좀 '조선'스러운 방식이 아닌가 싶음.
저 같은 경우 첫 질문에 역할, 전체 파일 목록, 문제 목록을 기재하고 문제에 대한 판정 기준표와 컨텍스트와 파일 내용의 소실을 막기위해 누적된 장부/ 장부 규칙 규정까지 활용해서 메모리와 하네스 비스무리한걸 구현함.
그래도 시간 안에 모든 문제를 정확히 마무리하기는 힘들었음. 이쯤되면 LLM 탈옥능력이 필요했던게 아닐까 싶기도..
=
여튼 이게 프로그래머스 쪽 설계 의도인지, SK HR의 의도인진 알 순 없겠으나 응시자 입장에서는 평과 과정 전반이 측정하려는 능력과 잘 맞지 않았다고 느낌.
시간을 충분히 주거나, 문항수를 줄이거나, 제공 모델의 조건을 미리 알려주거나 하면 출제 의도에 더 맞는 평가가 되지 않을까 싶음.
일종의 '레벨테스트'로 응시했지만 본의아니게 비문학 공부가 되어버린..
=
요약
후기
- 어려웠고 시간 많이 부족함
- 활용 평가에서는 하네스르 잘 짜도 AI의 할루시네이션이 심각해 검산에 시간을 많이 씀
- 아쉽지만 탈락일 가능성이 높아보임
- 출제 의도는 알겠으나 지금 방식으로는 타당도, 신뢰도, 변별력 모두 의문이 남음.
1. AI지식평가
AI 지식을 묻는 시험이라기 보다는 국어 비문학에 가까움. 기초 지식은 한스푼 정도 들어갔고, 긴 상황 지문을 읽고 논리적으로 가장 적절한 답을 고르는 문제가 대부분.
시간도 터무니 없이 부족함. AI를 얼마나 아는지에 대한 문제보다는 긴 지문을 얼마나 빨리 읽고 정리하는지에 보는 시험에 가까웠음.
=
2. AI활용평가
하네스를 짜는 능력을 보는 시험 같았음. 문제를 어떻게 인식하고 어떤 과정과 방식으로 풀고 어떤 것들을 규제하고 어떤것들을 통과시킬지 설계하는 논리력과 AI활용력을 보고자 한 의도로 느껴짐.
출제 의도 자체에는 공감을 하나, 그 능력을 재는 방식은 현저히 문제가 많았다고 생각.
지금은 프론티어 모델들이 쏟아지고 짧게는 몇 주, 길게는 몇 달 만에 모델 성능이 바뀌는 격변의 시기. 그런데 시험에서 제공된 어시스트는 체감상 Sonnet4 보다도 훨씬 낮은 수준이었고,
기억할 수 있는 대화 길이와 첨부 파일 용량에도 제한이 있어서 '하네스 검증 능력'을 보기에는 현저히 의도 자체가 틀리게 출시됨. 할루시네이션도 심각한 상황.
SK 같은 회사가 AI 활용을 가장하여 이런 시험을 출제한것은 분명 의도가 있을것임.
- 반도체 공정 데이터는 국가 핵심 기술이라 외부 서비스로 데이터를 보낼 수 없음. 즉 사내 인프라를 활용.
- 수만 명이 매일 쓰는 도구이기에 비용 통제 필요
- 누가 어떤 질문을 했는지 히스토리를 감사할 수 있어야 하고 회사가 검증한 모델만 사용해야함.
이런 의도로 시험을 출제했다면 분명 그 취지는 이해가 되지만.
그럼에도 평가 방식으로는 도저히 적절치 않다고 생각됨.
평가 도구가 제 역할을 하려면 타당도, 신뢰도, 변별력을 가려야 하는데 이번 예선에서는 세가지 모두가 충족되지 못한 시험이라고 봄.
시험 이름은 AI 지식평가였지만, 실제로는 긴 지문을 제한 시간 안에 얼마나 빨리 읽어내느냐에 따라 점수가 갈렸고 실제 실력보다는 속도 재는 검사에 가까웠음. AI를 잘 아는 사람보다 독해가 빠른 사람이 높은 점수를 받을 수 있는 시험인지라 타당도가 부족함.
활용평가는 신뢰도가 너무 부족했음. 제공된 모델은 같은 지시를 넣어도 매번 다른 결과값을 가져왔고, 점수에 응시자의 실력 보다는 모델의 무작위성 측정 오차가 크게 섞여있었다고 느껴짐. 이런 조건에서는 설계를 잘 한 사람이 모델 운이 나빠 떨어지고, 설계가 허술한 사람은 반대로 운 좋게 붙을수도 있는 환경임.
또한 두 시험 모두 시간이 지나치게 부족함. 대부분이 문제를 다 풀지 못하는 시험에서는 점수로 실력차이를 변별할 수 없다고 봄. 특히 활용 평가에서는 너무 구리게 내놓은 모델의 답을 검산하는 일때문에 시간 손해가 심각했고, 출제 측이 의도한 결과 검증에 성실할 수록 불리해지는 구조라고 생각 됨.
이번 시험은 AI 역량을 가려내는 시험은 전혀 아니라고 생각하고, 독해 속도와 LLM모델 운을 재는 시험에 가깝지 않았나 생각함. 이 결과값으로 AI 실무 역량을 판단하는건 좀 '조선'스러운 방식이 아닌가 싶음.
저 같은 경우 첫 질문에 역할, 전체 파일 목록, 문제 목록을 기재하고 문제에 대한 판정 기준표와 컨텍스트와 파일 내용의 소실을 막기위해 누적된 장부/ 장부 규칙 규정까지 활용해서 메모리와 하네스 비스무리한걸 구현함.
그래도 시간 안에 모든 문제를 정확히 마무리하기는 힘들었음. 이쯤되면 LLM 탈옥능력이 필요했던게 아닐까 싶기도..
=
여튼 이게 프로그래머스 쪽 설계 의도인지, SK HR의 의도인진 알 순 없겠으나 응시자 입장에서는 평과 과정 전반이 측정하려는 능력과 잘 맞지 않았다고 느낌.
시간을 충분히 주거나, 문항수를 줄이거나, 제공 모델의 조건을 미리 알려주거나 하면 출제 의도에 더 맞는 평가가 되지 않을까 싶음.
일종의 '레벨테스트'로 응시했지만 본의아니게 비문학 공부가 되어버린..
=
요약
1. AI 지식평가는 AI 지식보다 긴 지문을 빨리 읽는 독해 속도를 재는 시험에 가까웠음 (타당도 의문)
2. AI 활용평가는 하네스 설계력을 보려 했지만, 약한 모델의 무작위성 때문에 점수가 실력보다 운에 좌우됨 (신뢰도 의문)
3. 두 시험 모두 시간이 지나치게 부족해, 결과 검증을 성실히 할수록 불리한 구조였음 (변별력 의문)
4. 사내 보안·비용·감사 때문에 제한된 AI를 쓰는 취지는 이해하지만, 평가 도구로는 적절치 않았음
5. 시간 확대, 문항 수 축소, 제공 모델 조건 사전 공개가 있었다면 출제 의도에 더 맞는 평가가 됐을 것
❤4
정열맨김봉봉
쌀먹할게 진짜없을까요? 벼락치기 개꿀통 쌀먹 냄새만 기가막히게 잘 맡는 김봉봉이 지금 해볼만한 벼락치기 야핑 하나 찾아왔음. 하는 방법은 정리해왔습니다. 1. 보수적으로 인당 평균 $400, 러프하게는 $1,000 까지도 예상. 2. 게시글 10개중 6개만 인정받으면 되니, 양치기도 필요 없음. 3. AXIS 한국 커뮤니티 부스팅 하는것으로 보아 TGE 초식 진행중일듯, 벼락치기로 해볼만 함. 4. 피지컬 AI 내러티브와 최근 Base에서…
저는 이번에 AXIS 야핑 글로벌랭킹 144등으로 마감.
다음 노려볼 맛도리 예상 Primus는 Epoch1 마감까지 3일밖에 안남아서, 바로 진행하러 가시죠
https://x.com/bongbongcrypto/status/2112210242000048260?s=20
글 쓰시고 이 텔레그램 글에 댓글로 링크 올려두시면 상호하러 가겠습니다.
다만 상호작용은 단발성으로는 괜찮으나 품앗이가 심해지면 같은 서클로 인식되서 점수 하향이 존재할 수 있다는 점 반드시 기억하기.
다음 노려볼 맛도리 예상 Primus는 Epoch1 마감까지 3일밖에 안남아서, 바로 진행하러 가시죠
https://x.com/bongbongcrypto/status/2112210242000048260?s=20
글 쓰시고 이 텔레그램 글에 댓글로 링크 올려두시면 상호하러 가겠습니다.
다만 상호작용은 단발성으로는 괜찮으나 품앗이가 심해지면 같은 서클로 인식되서 점수 하향이 존재할 수 있다는 점 반드시 기억하기.