데이터 플라이휠(Data Flywheel) 연구 지도

비전 데이터 엔진 · LLM 자기개선 · 로보틱스 · 자율주행 · AI 에이전트 — 5개 테마, 주요 논문 15편

논문 노드를 클릭하면 요약 · 아키텍처 다이어그램 · 학술 지표(선정 근거) · 원문 링크가 열립니다.

공통 코어 스택 — 테마를 관통하는 플라이휠 8단계

테마가 달라도 플라이휠의 골격은 같습니다: 현장에서 데이터를 모으고 → 자산화하고 → 가치 있는 것을 골라 → 라벨을 붙이고 → 부족한 것은 합성하고 → 학습하고 → 검증 게이트를 통과시켜 → 배포·관측한 뒤 그 관측이 다시 수집 기준이 되는 순환입니다. 이 루프를 돌리는 축(axle)은 화려한 모델이 아니라 오케스트레이션과 데이터 버전 관리입니다 — 각 단계 도구는 교체 가능하지만, 축이 없으면 플라이휠은 한 바퀴도 자동으로 돌지 않습니다.

논문 사례와의 대응: 모델 보조 라벨링(SAM·SAM 2), 합성·증강(MimicGen·DexFlyWheel·WM-DAgger), 평가 게이트와 단계적 롤아웃(Adaptive Data Flywheel의 NeMo 스택), 피드백 내장 수집(Agent-in-the-Loop), 실패 사례 마이닝(자율주행 폐루프).

테마별 차별 스택 — 공통 코어 위에 얹는 것

도구 인덱스 — 라이선스 · 공식 링크

도구 이름을 클릭하면 공식 페이지가 열립니다. 라이선스는 코어 저장소 기준(2026-08-19 확인)이며, 배포판·클라우드 관리형 서비스는 조건이 다를 수 있습니다. 카피레프트(AGPL)와 상용 항목은 별도 표기했습니다.

도구용도라이선스유형

DeepSpeed · Langfuse · distilabel · WebDataset은 GitHub 저장소의 LICENSE 파일로 직접 확인(2026-08-19), 나머지는 각 프로젝트 공식 저장소·문서의 공표 라이선스 기준입니다.

작게 시작하는 최소 조합(제안) — 스토리지 S3(또는 MinIO)+Parquet, 오케스트레이션 Dagster(또는 Airflow), 라벨링 Label Studio, 학습 PyTorch+PEFT(LoRA), 실험·게이트 MLflow(또는 W&B), 서빙 vLLM(LLM)/Triton(비전·로봇), 관측·피드백 Langfuse. 이 7개면 플라이휠 한 바퀴가 완성되며, 각 자리는 규모가 커질 때 관리형(Databricks·SageMaker·Vertex AI·NVIDIA NeMo 제품군)으로 교체하면 됩니다.

논문 목록 (시간순 텍스트 보기)