For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the public content index is available at https://we0.ai/llms.txt, and the English article bundle is available at https://we0.ai/llms-full.txt.
For AI agents: the complete content index is available at https://we0.ai/llms.txt, the full English article bundle is available at https://we0.ai/llms-full.txt, and this page is available as Markdown at https://we0.ai/ko/articles/anthropic-s-2021-roadmap-coding-agents-to-438c8006.md.
2021년 7월의 짧은 Anthropic 연구 로드맵은 사람과 대화하면서 소프트웨어를 만들고, 편집하고, 설명할 수 있는 어시스턴트를 묘사합니다. 오늘날 이 문서를 읽으면 리포지토리를 탐색하고, 도구를 사용하며, 피드백으로 학습하고, 실제 환경에서 안...
2021년 7월의 짧은 Anthropic 연구 로드맵은 사람과 대화하면서 소프트웨어를 만들고, 편집하고, 설명할 수 있는 어시스턴트를 묘사합니다. 오늘날 이 문서를 읽으면 리포지토리를 탐색하고, 도구를 사용하며, 피드백으로 학습하고, 실제 환경에서 안전하게 행동하는 방법처럼 코딩 에이전트의 방향을 여전히 규정하는 질문들을 쉽게 알아볼 수 있습니다.
공개적으로 연결된 스캔본은 완성된 Claude Code 버전이 5년 전에 존재했다는 것을 증명하기 때문에 흥미로운 것이 아니라, 이러한 연결점을 보여 주기 때문에 흥미롭습니다. 이 문서는 연구 목표와 이견을 기록합니다. 이는 출시된 제품, 완료된 실험 또는 오늘날 모델 아키텍처에 관한 진술과는 다른 종류의 증거입니다.
이 문서의 장기 목표는 안전하고 유익한 AGI입니다. 제안된 개념 증명은 자연어를 통해 사용자와 함께 소프트웨어 작업을 수행할 수 있는 범용 어시스턴트입니다.
설명된 작업은 코드의 다음 몇 글자를 완성하는 수준을 넘어섭니다. 질문에 답하고, 함수를 작성하고, 버그를 찾아내고, API를 설계하며, 스타일과 모범 사례를 논의하는 일이 포함됩니다. 야심 찬 최종 상태는 소프트웨어 엔지니어링 동료에 해당하는 폭넓은 역량입니다.
문구는 또한 팀이 이 목표에 즉시 도달할 것으로 기대하지 않았음을 인정합니다. 이는 연구 방향을 제시하는 문서이므로, 오늘날의 모든 기능이 이미 확정된 2021년 Claude Code 출시 계획으로 소급해 묘사해서는 안 됩니다.
현재 Claude Code 문서를 통해 광범위한 열망과 실제 제품을 비교할 수 있습니다. 주제적 연속성은 분명하지만, 이 문서만으로 각 기능에 대해 단절 없는 구현 역사가 있었다고 입증할 수는 없습니다.
주석은 즉시 유용한 무언가를 구축하는 것과 더 일반적인 능력을 시연하는 것 사이의 실질적 긴장을 보여 줍니다.
Tom Brown은 리포지토리 탐색을 가치 있는 출발점으로 제안합니다. Nelson Elhage는 프로젝트에서 타입 정의를 찾는 구체적인 예를 듭니다. 이는 특히 익숙하지 않은 코드베이스에 처음 진입할 때 일반적인 개발자 요구입니다.
Andy Jones는 그 접근 방식과 printf 디버깅 및 에디터 사용을 강조하는 시연을 대조합니다. 리포지토리 검색은 프로그래머 어시스턴트의 강력한 첫 기능이 될 수 있는 반면, 다른 작업들은 모델이 도구를 사용할 수 있다는 점을 더 설득력 있게 보여 줄 수 있습니다.
Dario Amodei의 답변은 단기적으로는 도구 사용 시연을, 장기적으로는 매우 유능한 프로그래머를 우선시합니다. 이 교환은 순서 설정이 명시적인 선택이었음을 보여 주기 때문에 유용합니다. 초기 연구 마일스톤은 아직 가장 유용한 완성형 제품이 아니더라도 가치가 있을 수 있습니다.
사전 학습 섹션은 강력한 언어 및 코드 모델, 코드 중심 데이터세트, 그리고 능력을 이후의 미세 조정과 연결하는 평가를 요구합니다. 또한 1T 이상을 포함해 임의로 큰 모델을 학습하는 과학을 논의합니다.
이는 명시된 연구 목표입니다. 현재 Claude 모델이 1조 개의 파라미터를 보유한다는 공개가 아니며, 팀이 2021년에 이미 그러한 모델을 학습했다는 증거도 아닙니다.
같은 섹션은 매우 큰 컨텍스트 또는 상당한 메모리와 경험을 통합하는 동등한 방법을 고려합니다. 이는 하나의 특정한 현재 컨텍스트 윈도우 설계를 처방하기보다 여러 가능한 메커니즘을 열어 둡니다.
| 로드맵 항목 | 뒷받침하는 내용 | 입증하지 않는 내용 |
|---|---|---|
| 범용 소프트웨어 어시스턴트 | 소프트웨어 협업은 초기 연구 목표였다. | 완성된 2021년 버전의 Claude Code. |
| 1T 이상 파라미터의 모델 | 매우 큰 규모는 연구 의제의 일부였다. | 현재 Claude 릴리스의 파라미터 수. |
| 대규모 컨텍스트 또는 동등한 메모리 | 팀은 확장된 경험과 메모리를 고려하고 있었다. | 하나의 고정된 아키텍처 또는 오늘날의 정확한 토큰 한도. |
| 검색, 디버깅 및 편집을 통한 도구 사용 | 의제에는 소프트웨어 환경에서 행동하는 일이 포함됐다. | 신뢰할 수 있고 제한 없는 자율 운영. |
인간 피드백 및 정렬 섹션에는 행동과 샘플 품질에 관한 모델 판단이 인간 판단과 어떻게 대응하는지 연구하는 내용이 포함됩니다. 이 문서는 자기 판단을 명시적으로 언급하며, 그 질문을 편향, 공정성 및 사회적 결과와 연결합니다.
이는 모델 자체의 평가를 연구 대상으로 활용하는 의미 있는 초기 정식화입니다. 이러한 판단이 자동으로 신뢰할 수 있거나, 모델이 자기 출력을 안전하게 인증할 수 있음을 입증하지는 않습니다.
문서는 또한 GAN 또는 판별기 학습과 스케일링 법칙 논의에서 테스트 시 컴퓨팅을 언급합니다. 이는 팀이 사전 학습을 넘어선 컴퓨팅을 생각하고 있었음을 보여 줍니다. 이를 모든 후속 추론 모델 기법과 별다른 단서 없이 동일시하거나, 현대의 추론 시점 스케일링 시스템이 이미 명세되어 있었다는 증거로 취급해서는 안 됩니다.
이 구분은 역사적 비교를 더 강하게 만듭니다. 이 문서는 유사한 어휘가 5년에 걸쳐 동일한 방법을 뜻한다고 가장할 필요 없이, 관련된 연구 질문을 드러냅니다.
가장 직접적으로 관련된 주석 중 하나는 샌드박스되지 않은 도구를 안전하게 배포하는 방법을 묻습니다. Amodei는 특히 배포 시점에 코드를 실행하는 도구가 우려 대상임을 명확히 합니다.
출처: QbitAI가 BAAI Hub에 발췌한 2021년 7월 로드맵 스캔본. 해당 주석은 확장된 주석 페이지를 포함한 연결된 PDF에서 확인할 수 있습니다.
이 우려는 에이전트 환경에서도 여전히 이해하기 쉽습니다. 명령을 실행하거나 파일을 편집할 수 있는 시스템은 환경을 변경할 수 있으므로, 안전한 행동은 최종 답변의 정중함이나 그럴듯함만으로 판단할 수 없습니다.
아이디어를 한 문장으로 입력하면 We0 AI가 쇼케이스 사이트, 페이지, CMS를 생성하고 출시 후 고객과 트래픽 확보를 돕습니다.
무료 등록을 위한 하나의 완전한 프로젝트 생성
하나의 완전한 생성 흐름을 시도하고 첫 번째 프로젝트 초안을 빠르게 보는 데 가장 적합합니다.
오늘날의 Claude Code 샌드박스 문서는 샌드박스된 Bash 도구의 파일 시스템 및 네트워크 제한과, 그 보호 기능의 한계를 설명합니다. 이는 현재 구현에 대한 참고 자료이며, 그러한 모든 메커니즘이 로드맵에서 이미 정의되어 있었다는 증거는 아닙니다.
역사적 주석은 문제를 명확히 짚습니다. 유용한 도구에 대한 접근은 설계, 테스트 및 유지 관리되어야 하는 경계도 함께 만듭니다.
Amanda Askell은 주석에서 다른 우려를 제기합니다. 역량이 주로 코드 영역에서 발전하는 반면 정렬 실험이 자연어에 집중된 상태로 남는다면, 정렬 테스트는 실제로 개발되는 역량에 덜 유용해질 수 있습니다.
그녀는 분리할 타당한 이유가 없다면 여러 도메인에 걸쳐 역량과 정렬 연구의 비중을 유지해야 한다고 제안합니다. 핵심은 운영적입니다. 배포된 시스템이 점점 다른 종류의 환경에서 행동한다면, 연구하기 쉬운 상호작용만 평가하는 것은 공백을 남길 수 있습니다.
로드맵의 사회적 영향 섹션도 유사하게 모델 평가, 제3자의 시스템 평가 지원, 실험할 수 있는 외부 연구자의 범위 확대를 포함합니다. 이는 연구 목표이지, 이후의 접근 프로그램이나 평가가 제안된 모든 원칙을 충족한다는 보장은 아닙니다.
이 자료를 종합하면 안전성 논의는 일반적인 미션 선언보다 더 구체적입니다. 학습 피드백, 평가 도메인, 실행 가능한 도구 및 외부 평가를 연결합니다.
이 문서는 제한적이지만 유용한 역사적 결론을 뒷받침합니다. 현대 코딩 에이전트와 연관된 여러 주제는 Anthropic의 초기 연구 계획에서 이미 함께 연결되어 있었습니다. 소프트웨어 지원, 도구 사용, 피드백, 규모, 메모리 및 안전성이 같은 의제에 나타납니다.
이 문서는 로드맵이 이후의 모든 성공을 일으켰다거나, 최종 제품이 필연적이었다거나, 다른 연구소에 유사한 아이디어가 없었다는 사실을 증명하지는 않습니다. 그러한 주장을 위해서는 이 문서를 넘어서는 추가 역사적 증거와 비교가 필요합니다.
개발자에게 가장 유용한 질문은 여전히 구체적입니다. 모델은 작업의 어느 부분을 수행할 수 있는가? 어떤 도구를 사용할 수 있는가? 오류는 어떻게 탐지되는가? 그리고 잘못된 행동이 더 넓은 환경에 영향을 주지 못하게 하는 장치는 무엇인가? 로드맵은 이러한 질문들이 여전히 낯익다는 점에서도 가치가 있습니다.
이는 Jared Kaplan의 이름이 기재되어 있고 최종 업데이트가 2021년 7월로 표시된, 공개적으로 연결된 Concise Research Roadmap 스캔본입니다. 6페이지 사본에는 연구 본문과 확장된 주석이 포함되어 있지만, 법원 공개 자료로서의 출처는 여기서 독립적으로 인증되지 않았습니다.
아니요. 이 문서는 범용 소프트웨어 어시스턴트에 대한 연구 방향을 설명합니다. 이후 제품과 유사한 목표가 있었다는 사실은 해당 제품이 이미 구축되거나 출시되었다는 증거와는 다릅니다.
아니요. 1T 이상 모델에 대한 언급은 연구 목표입니다. 이는 현재 Claude 모델의 아키텍처나 파라미터 수를 입증하지 않습니다.
로드맵은 행동과 출력 품질에 관한 인간과 모델의 판단 사이의 관계를 연구하자고 제안합니다. 또한 모델 판단만으로 충분하다고 가정하기보다, 이 주제를 편향, 공정성 및 사회적 결과와 연결합니다.
이 표현은 정렬, 판별기 및 스케일링 연구의 맥락에서 등장합니다. 평가 시점의 컴퓨팅에 관심이 있었음을 보여 주지만, 후속 추론 모델이 사용한 모든 방법을 명세하지는 않습니다.
코드 실행 도구는 실제 환경을 변경할 수 있으므로, 최종 답변만 평가하면 위험의 일부를 놓치게 됩니다. 샌드박싱, 권한 제어 및 도메인에 적합한 테스트는 이 문제의 서로 다른 측면을 다루며, 여전히 신중한 구현이 필요합니다.
2021년 7월 로드맵은 소프트웨어 동료라는 목표를 도구, 대규모 모델, 메모리 및 피드백 연구와 연결합니다. 또한 그 주석은 실행 가능한 도구와 역량 개발을 따라가지 못하는 정렬 테스트에 관련된 안전성 문제를 식별합니다.
이 문서는 현대적으로 알아볼 수 있는 주제를 지닌 초기 연구 의제를 기록한 것이며, 완성된 2021년 제품이나 오늘날 Claude 모델의 명세가 아닙니다.
한 문장에서 시작해 몇 분 안에 완전한 웹사이트를 받아보세요.
