TL;DR
게시자는 qwen3.8-27b가 자격 증명과 대학 이름만으로 대학 웹사이트를 탐색해 수강 일정을 자동으로 수집했으며, 이 과정에서 80회의 도구 호출을 수행했다고 밝혔다. 모델은 Microsoft의 로그인 세션과 Playwright 프로필을 이용해 인증 게이트웨이를 통과하고 과목별 일정과 13학점을 정리했다. 별도의 영상 조사에서는 공개 영상을 다운로드하고 프레임 추출, openAI whisper 음성 전사, 이미지 확대와 밝기 조정을 연속으로 실행했다. Unsloth Q4_K_S, q8 KV cache, 150k 컨텍스트와 단일 RTX 3090 환경이 로컬 모델의 복합 도구 사용 사례를 구성한다.
섹션별 상세
이미지 분석
화면에는 Playwright 프로필과 Microsoft의 ‘stay signed in’ 세션을 이용해 대학 인증 게이트웨이를 거친 뒤 수강 일정에 접근했다는 설명이 담겨 있다. 아래 표에는 CSC·PHYS 과목의 제목, 학점, 섹션 정보가 표시되고, 총 13학점이라는 검증 결과가 이어진다. 본문에서 말한 로컬 모델의 웹 탐색 자동화와 도구 호출 결과를 직접 뒷받침하는 이미지다.
qwen3.8-27b가 80회의 도구 호출을 거쳐 대학 수강 일정 표를 작성한 화면이다.
두 번째 이미지는 첫 번째 이미지와 같은 화면을 다른 미리보기 URL로 제공한다. 인증 세션을 활용한 웹 탐색 경로, 80회의 도구 호출, 과목별 학점과 섹션, 13학점 검증 내용이 함께 나타난다. 이미지 중복은 있지만, 게시자가 주장한 에이전트형 작업 수행 결과를 확인할 수 있는 기술적 증거다.
동일한 실행 화면에서 모델이 대학 웹사이트를 거쳐 수강 일정과 학점 정보를 정리한 장면이다.
용어 해설
- 도구 호출(Tool Calling)
- — 언어 모델이 웹 브라우저나 셸 같은 외부 도구를 단계적으로 호출해 작업을 수행하는 방식이다. 이 글에서는 대학 웹사이트를 탐색하며 수강 일정을 찾는 과정에 사용됐다.
- KV Cache 양자화(KV Cache Quantization)
- — 긴 대화에서 이미 처리한 토큰의 Key·Value 상태를 낮은 정밀도로 저장해 메모리 사용량을 줄이는 최적화 기법이다. 원문은 Q4_K_S와 q8 KV cache 조합을 사용했다.
- 음성-텍스트 변환(Speech-to-Text)
- — 영상이나 음성의 소리를 텍스트로 변환해 모델이 대화와 발화를 처리하도록 만드는 기술이다. 원문에서는 openAI whisper를 설치하고 영상 맥락 파악에 활용했다.
언급된 도구
대학 웹사이트를 탐색해 수강 일정을 찾고 소셜 미디어 영상 조사 작업을 수행한 언어 모델
다운로드한 공개 영상의 음성을 전사해 영상 맥락을 파악하는 데 사용된 도구
Q4_K_S 양자화와 q8 KV cache 설정으로 실행된 모델 구성
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
