LLM · Agent · RAG 논문 스터디 커리큘럼

목표: 최신 논문을 독립적으로 읽고, 최종적으로 Agent/RAG 분야 논문을 직접 작성하기 페이스: 주 3~5시간 · 총 24주 (약 6개월) 대상: LLM/RAG/Agent 개발 경험 있으나, 논문 트렌드 & 수학 이론 보강이 필요한 실무자

전체 로드맵 한눈에 보기

단계	기간	테마	핵심 목표
Phase 1	1~4주	Foundation	Transformer 구조, 수학 직관, LLM 핵심 논문 이해
Phase 2	5~8주	LLM 심화	Scaling Law, RLHF, Prompting 기법의 이론적 배경
Phase 3	9~12주	RAG 계보	Naive → Advanced → Modular → Agentic RAG 진화
Phase 4	13~16주	Agent 아키텍처	ReAct, Tool Use, Multi-Agent, 최신 프레임워크
Phase 5	17~20주	SOTA & 융합	Agentic RAG, MCP/A2A, Industrial 적용
Phase 6	21~24주	논문 작성 실전	연구 질문 설계, 실험, 집필, 투고 전략

Transformer와 LLM의 기본 구조를 "직관적으로" 이해한다. 수학은 논문을 읽을 때 막히지 않을 정도의 감각을 잡는다.

논문 (필수)

📄 Attention Is All You Need — Vaswani et al., 2017 (NeurIPS)
- 논문 링크: https://arxiv.org/abs/1706.03762
- 전체를 정독하기보다, Section 3 (Model Architecture)를 중심으로 읽기
- Self-Attention, Multi-Head Attention, Positional Encoding 메커니즘 이해에 집중

영상 강의 (수학 직관 잡기)

🎬 3Blue1Brown — Neural Networks 시리즈 (YouTube)
- 선형대수, 역전파 등의 직관을 시각적으로 잡아줌
- 특히 "But what is a neural network?" 편부터 순서대로
🎬 3Blue1Brown — Attention in Transformers, visually explained (YouTube, 2024)
- Attention 메커니즘을 시각적으로 설명하는 최고의 영상
🎬 Andrej Karpathy — Let's build GPT from scratch (YouTube)
- 코드로 GPT를 직접 만들면서 Transformer 전체 구조를 체득

한국어 해설

📝 Jay Alammar — The Illustrated Transformer
- 링크: https://jalammar.github.io/illustrated-transformer/
- (한국어 번역판도 있음 — "illustrated transformer 한국어"로 검색)
📝 ratsgo's NLPBOOK — Transformer 챕터
- 링크: https://ratsgo.github.io/nlpbook/

코드 실습

💻 Harvard NLP — The Annotated Transformer
- 링크: https://nlp.seas.harvard.edu/annotated-transformer/
- PyTorch로 Transformer를 한 줄씩 구현하며 이해