요약
네이버 사내 기술 교류 행사인 NAVER Engineering Day 2026(5월)에서 발표되었던 세션을 공개합니다.
발표 내용
Karpathy의 AutoResearch 방법론을 라이브 스트리밍에 적용하여, AI 에이전트가 코드를 자율적으로 수정·빌드·실험·판정하는 루프를 구축하고 스트리밍 품질(QoE)을 17% 개선한 사례를 소개합니다.
발표 대상
- 스트리밍/플레이어 개발에 관심 있는 엔지니어
- AI 에이전트를 실무 코드 최적화에 활용하고 싶은 개발자
- ABR, QoE, LL-HLS 등 미디어 기술을 처음 접하는 엔지니어
목차
EPISODE 1. 왜 시작했나
- 라이브 스트리밍 시장과 저지연의 과제
- 학계 SOTA vs 산업 현실 — EWMA에 머물러 있는 hls.js - QoE — 이 실험의 유일한 점수판
- 사람이 직접 튜닝하면 드는 비용
EPISODE 2. 어떻게 만들었나
- Karpathy Agent Loop와 7가지 비타협 원칙
- 자율 루프 9 Phase
- 계층적 검증 - Regression Guard — 통계적 엄격성과 Context Rot 방지
- 에이전트의 3중 기억 장치 소개
- 실험 인프라 소개
EPISODE 3. 무슨 일이 있었나
- 실험 전체 iteration 맵
- 주요 keep 분석
- 주요 실패 분석
- HALT 케이스 분석
EPISODE 4. 무엇을 얻었나
- 최종 결과 — 7개 전체 시나리오 개선
- 5시간 사람 / 60시간 AI = 12배 레버리지
- 한계와 다음 단계
- Take-away
◎ NAVER Engineering Day란?
NAVER에서는 사내 개발 경험과 기술 트렌드를 교류를 할 수 있는 프로그램이 많이 있습니다. 그중 이제는 매회 평균 100개 이상의 발표가 이루어지는 NAVER Engineering Day를 빼놓을 수 없는데요.
2016년부터 시작된 ENGINEERING DAY는 실무에서의 기술 개발 경험과 새로운 기술과 플랫폼 도입 시 유용하게 활용될 수 있는 팁 등을 공유하며 서로 배우고 성장하는 네이버의 대표적인 사내 개발자 행사입니다.(관련 포스팅 보기)
올해 진행된 NAVER Engineering Day의 일부 세션을 공개합니다.