ⓒheck the Fact, Fake, and Flag.

(@) 하나기술(299030.KQ) 투자 행동 보고서하나기술(299030) 투자 행동 보고서작성일: 2025년 12월 27일 (1) 환경·흐름 분석: "캐즘 속의 기회, 그러나 높은 변동성"Macro 흐름: 전기차 수요 둔화(Chasm)로 글로벌 배터리 투자가 위축된 상태이나, 최근 금리 인하 기대감과 인도의 공격적인 배터리 자급화 정책이 상충하고 있습니다.정책·이벤트: 인도는 PLI(생산연계인센티브) 제도를 통해 타타그룹 등 자국 기업의 배터리 생산을 강력히 지원 중입니다. 이번 아그라타스(Agratas) 수주는 이러한 정책적 흐름의 결과물입니다.시장 레짐: KOSDAQ 장비주 전반에 대한 투심이 약화된 '소외 국면'이며, 실적이 뒷받침되지 않는 수주 공시에는 시장이 냉정하게 반응하고 있습니다.산업 전..

(@) 라온텍(418420.KQ) 투자 행동 보고서라온텍(418420.KQ) 투자 행동 보고서작성일: 2025년 12월 27일(1) 환경·흐름 분석: "AI 스마트 안경의 개화기"Macro 흐름: 금리 인하 사이클 진입으로 기술 성장주에 대한 조달 비용 부담이 완화되고 있습니다. 특히 인공지능(AI)과 결합된 웨어러블 기기가 스마트폰 이후의 대안으로 부상하며 XR 산업에 우호적인 환경이 조성되었습니다.정책·이벤트: 2025년 10월 **삼성·구글·퀄컴의 '프로젝트 무한(Galaxy XR)'**이 공개되며 생태계가 구체화되었습니다. 구글의 '안드로이드 XR' OS 탑재 기기가 확대되는 것이 핵심 이벤트입니다.시장 레짐: 장기 소외 구간을 지나 '바닥권 탈출 및 추세 전환' 국면에 진입했습니다. 메타(Met..

(@) POSCO홀딩스에 대한 종합 투자 분석 보고서 - 2025.12.27POSCO홀딩스(005490) 투자 분석 보고서작성일: 2025년 12월 27일📊 Executive Summary현재가: 314,000원 (2025.12.24 기준)52주 범위: 227,500원 ~ 342,000원시가총액: 약 22조원애널리스트 평균 목표가: 411,583원 (상승여력 +30.66%)투자의견 컨센서스: 적극 매수 (22명 매수, 0명 매도)1️⃣ 환경·흐름 분석🌍 Macro 흐름금리 환경한국은행은 2024년 하반기부터 금리 인하 사이클에 진입하여 현재 기준금리 2.50%를 유지하고 있습니다. 2025년 전망치는 2.1%~2.3% 수준으로 점진적 완화가 예상됩니다. 미국은 5.25% 수준에서 2025년 하반기 4..

(@) LLM+RAG Hybrid Query Pipeline(개념 → 단계별 파이프라인 → 의사결정 로직 → 예외/품질 제어까지 포함) Hybrid RAG의 핵심은“검색을 섞는 것”이 아니라, “질문에 맞게 검색 전략을 바꾸는 것”이다. 1️⃣ Hybrid Query Pipeline 개요Hybrid RAG는 단일 검색 방식이 아니라Lexical(키워드) + Semantic(임베딩) + Reranking + LLM Reasoning을 의도 기반으로 조합하는 구조. 🔑 설계 원칙“검색 품질이 응답 품질을 결정한다”Retrieval은 다단계, Generation은 최소화불확실할수록 LLM보다 증거 강화2️⃣ 전체 Hybrid Query Pipeline 구조 3️⃣ 단계별 상세 설계 ① Query Prepr..

(@) LLM + RAG 플랫폼 논리 아키텍처 LLM+RAG 플랫폼은 “모델”이 아니라“데이터·프롬프트·운영·보안이 결합된 시스템”이다. 1️⃣ LLM + RAG 플랫폼 전체 구조도 (Logical Architecture) 2️⃣ 레이어별 상세 설계 포인트 ① Model Layer (모델 계층)🎯 역할실제 AI 추론이 발생하는 핵심 계층RAG의 “생성(Generation)”과 “의미 이해(Semantic)”를 담당🔧 주요 구성요소구성요소설명LLM질의 응답, 요약, 추론 담당Embedding Model문서를 벡터로 변환Reranker검색 결과 재정렬Tool / Function EngineDB조회, 계산, 외부 API 연계 📌 설계 포인트LLM과 Embedding 모델 분리 설계모델 교체 시 API ..

(@) 법률 RAG 시스템 KPI 법률 RAG 시스템을 안심하고 사용하기 위해서는 다음 세 가지 의문이 해소되어야 합니다. 이에 대한 해답을 정량적 수치로 증명하는 것이 본 평가의 목적입니다.신뢰성 (Reliability): "AI가 없는 판례를 지어내거나(Hallucination), 법리를 왜곡하지 않는가?"정확성 (Accuracy): "검색 결과가 내 사건 쟁점과 정확히 일치하는가?"효용성 (Utility): "실제 업무에 도움이 되는 속도와 편의성을 갖추었는가?" RAG 평가의 3요소 (The RAG Triad)RAG에서는 쿼리, 검색된 컨텍스트, 생성된 응답이라는 세 가지 주요 구성 요소를 사용하여 품질을 평가할 수 있습니다. 검색 품질 저하, 잘못된 정보 제공, 관련 없는 답변 등 RAG의 일반..

(@) Legal Ontoloty and Knowledge Graph (1)판결문, (2)소장, (3)준비서면, (4)답변서, (5)조서, (6)문헌, (7)실무제요, (8)종합법률DB등 법률 데이터를 기반으로LLM 기반의 RAG 시스템 구축을 위한온톨로지 및 지식 그래프 구축을 위한 방안을 제안합니다. Hybrid RAG(Rule + Semantic + Knowledge Graph)구축 방안법률 데이터(판결문, 소장, 준비서면 등)는 비정형 텍스트이지만 논리적 구조가 매우 탄탄한 '고밀도 데이터'입니다. 따라서 일반적인 RAG(Retrieval-Augmented Generation) 방식보다는 **법률 도메인의 특수성(논리, 인용, 절차)**을 반영한 'Hybrid RAG(Rule + Semantic ..

(@) LLM Based RAG 시스템 구축 - KPI & 검증 가이드 이번에는 가상의 "법원 AI 플랫폼 구축 및 모델 개발 사업"을 대상으로,구축 완료 시점에서 실제 최종사용자(법관·재판연구관·법원 실무자)가 직접 테스트하여 '구축 적정성'을 판단할 수 있는 핵심 평가지표와 검증 가이드를 만들어 보겠습니다. 실제 감리에서 "최종 사용자 관점 평가(User Acceptance Level Metrics)"는 시스템이 설계·개발자 시각이 아니라, 법원 실사용자의 업무 성과에 어떤 영향을 미치는지를 확인하는 핵심 단계이기 때문에 매우 중요합니다.아래 내용은 감리법인이 실제 UAT(User Acceptance Test) 또는 현장 검증 시 사용하는 수준으로 작성했습니다. LLM Based RAG 시스템사용자 ..