30 papers — Ilya Sutskever가 John Carmack에게 건넨다는 그 딥러닝 논문 목록

30 papers — Ilya Sutskever가 John Carmack에게 건넨다는 그 딥러닝 논문 목록

"현대 딥러닝을 이해하는 데 필요한 지식의 90%가 이 목록에 있다"는 소문에서 출발한, 초보자를 위한 AI 논문 읽기 사이트.

OpenAI 공동 창립자 Ilya Sutskever가 id Software 창업자 John Carmack에게 전했다는 전설적인 논문 리스트. 30 papers는 그 소문 목록을 웹으로 옮기고, 어려운 용어마다 평이한 설명을 붙인 입문자용 논문 읽기 허브입니다.

---

TL;DR

• Ilya 추천 목록의 웹 버전 — Sutskever가 Carmack에게 건넨다는 "딥러닝 필독 논문" 소문을 기반으로 한 큐레이션
• 초보자 친화 설계 — 논문 요약, 키워드 하이라이트, 클릭 시 용어 정의, ChatGPT·Claude에 질문하기 버튼
• 현재 약 27편 — 목표는 30편. 저작권 때문에 일부는 원문 링크만 제공
• 완전 무료·오픈 — 웹에서 바로 읽기, GitHub 소스 공개 (mcrowley19/30papers)
• 학부생이 만든 사이드 프로젝트 — Michael Crowley가 비공식 ML 교육 없이 구축. 요약 오류 가능성 스스로 고지

---

핵심 정보 한눈에 보기

항목	내용
서비스명	30 papers
한 줄 설명	AI·딥러닝 기초 논문 읽기 목록
제작자	Michael Crowley
카테고리	AI 툴 / 학습 리소스
플랫폼	웹 (https://30papers.com)
가격	무료
현재 논문 수	약 27편 (목표 30편)
소스	GitHub mcrowley19/30papers
기반 목록	Ilya Sutskever → John Carmack 소문 목록 (Andrew Carr 공개 리스트 참고)
newflix 등록일	2026년 7월 12일
newflix 페이지	newflix.io/s/30papers

---

어떤 문제를 풀까?

딥러닝을 "제대로" 공부하려면 논문을 읽어야 한다는 말은 흔합니다. 문제는 어디서부터, 어떤 순서로, 어떻게 읽느냐입니다.

1. 목록이 너무 많다 — arXiv, Papers with Code, 트위터 추천, 대학 커리큘럼이 제각각이라 초보자는 길을 잃기 쉽습니다.
2. 용어 장벽이 높다 — encoder, residual connection, attention mechanism 같은 단어가 한 문장에 여러 개 나오면 읽기가 멈춥니다.
3. 원문이 흩어져 있다 — 일부는 arXiv PDF, 일부는 블로그, 일부는 강의 노트. 탭을 수십 개 열어 놓고 헤매기 쉽습니다.

30 papers는 이 세 가지를 한 번에 줄이려 합니다. 검증된(소문상의) 필독 목록을 한곳에 모으고, 용어 설명을 본문에 붙이고, 막히면 ChatGPT·Claude에 바로 질문할 수 있게 만듭니다.

newflix 큐레이터 노트도 같은 취지입니다.

"AI와 딥러닝의 기초를 다지고 싶은 분들이, 낯선 용어에 대한 친절한 설명과 함께 논문을 차분히 읽어 나갈 수 있는 목록입니다."

---

배경 — Ilya, Carmack, 그리고 "90% 목록"

30 papers 홈: 점(dot) 패턴으로 쓴 타이틀, 목록 출처 설명, 첫 카드(CS231n)가 이어집니다.

사이트 상단 소개 문구는 솔직합니다.

"This website is based on a rumoured list of papers that Ilya Sutskever gave to John Carmack. We currently only have a list of 27. If you or anyone you know has the full, canonical list please feel free to reach out."

핵심 포인트는 세 가지입니다.

• 소문(rumoured) 목록 — 공식 발표가 아니라 커뮤니티에 퍼진 "Ilya가 Carmack에게 준 목록"을 출발점으로 삼음
• 현재 27편 — 이름과 달리 아직 30편이 아님. 저작권·권한 문제로 일부 항목은 미수록
• 기여 요청 — 정식 목록을 아는 사람에게 연락을 요청하는 열린 프로젝트

GitHub README는 한 걸음 더 들어갑니다. 이 목록이 "현대 딥러닝을 이해하는 데 필요한 지식의 90%"를 담는다고 주장된다는 점을 명시하고, 실제 구축은 전 OpenAI 직원 Andrew Carr가 X(트위터)에 공개한 대략적 리스트를 바탕으로 했다고 밝힙니다. 즉 30 papers는 "Ilya의 공식 커리큘럼"이 아니라, 그 소문을 재구성한 학습 사이트입니다.

제작자 Michael Crowley는 자신을 정식 ML 교육을 받지 않은 학부생이라고 소개합니다. 요약·키워드 정의에 오류가 있을 수 있음을 미리 고지하고, 피드백을 받겠다는 태도입니다. 완성된 엔터프라이즈 제품이 아니라 학습 커뮤니티용 사이드 프로젝트라는 점을 이해하는 게 중요합니다.

---

주요 기능 딥다이브

1. 큐레이션된 논문·강의 카드 목록

홈에는 각 자료가 카드 형태로 이어집니다. 스냅샷 시점에 확인된 대표 항목은 다음과 같습니다.

자료	왜 중요한가
CS231n (Stanford)	CNN·컴퓨터 비전 입문의 정석 강의 노트
The Unreasonable Effectiveness of RNNs (Karpathy, 2015)	문자 단위 RNN의 힘을 보여 준 고전 블로그
Understanding LSTM Networks (Olah, 2015)	LSTM을 시각적으로 풀어 쓴 최고의 해설 글
AlexNet (2012)	ImageNet 혁명을 연 CNN 논문
ResNet (He et al., 2015)	residual connection으로 초심층 네트워크 가능
Attention Is All You Need (2017)	Transformer — 현대 LLM의 뼈대
The Annotated Transformer	Transformer를 코드와 함께 해설한 주석 버전
Scaling Laws for Neural Language Models	모델·데이터·컴퓨트 스케일링 법칙
Neural Machine Translation + Attention	attention 메커니즘의 고전
Deep Speech 2, Pointer Networks, Neural Turing Machines 등	음성·시퀀스·메모리 계열 확장

목록은 비전 → 순환 모델 → 어텐션 → Transformer → 스케일링·복잡도 이론 쪽으로 자연스럽게 이어집니다. "요즘 LLM만 만져 본 사람"이 왜 Transformer 이전 세대가 필요했는지를 역추적하기 좋은 구성입니다.

2. 본문 호스팅 + 클릭형 용어 설명

저작권이 허용되는 자료는 사이트에 전문을 호스팅합니다. 예를 들어 Attention Is All You Need 페이지에서는 Abstract부터 Introduction, Model Architecture까지 바로 스크롤할 수 있고, 본문 중 encoder, decoder, attention mechanism, Multi-Head Attention, residual connection, layer normalization 같은 단어가 버튼으로 강조됩니다. 클릭하면 초보자를 위한 짧은 정의가 펼쳐집니다.

README가 강조하는 핵심 UX입니다.

• 논문별 요약(summary)
• 하이라이트된 키워드 + 사전 정의된 설명
• 이해가 안 되는 개념을 ChatGPT 또는 Claude에 물어보는 버튼

논문 PDF를 다운로드해 형광펜을 긋는 대신, 웹에서 읽으면서 즉시 용어를 해소하는 흐름입니다.

3. 저작권 보호 자료는 원문으로 안내

Karpathy의 RNN 글: 저작권 때문에 직접 호스팅하지 않고 원본 링크로 보냅니다.

Olah의 LSTM 해설 역시 동일 패턴. 제목·저자·연도·미리보기 + "Read at the original source".

CS231n 카드: 스탠포드 비전 강의 자료로 연결되는 게이트웨이 페이지.

일부 유명 자료는 사이트 정책상 직접 호스팅하지 않습니다. 화면에는 다음이 표시됩니다.

• 제목, 저자, 연도
• 문서 미리보기 썸네일
• "This paper is subject to copyright restrictions and cannot be hosted directly."
• View / Read at the original source 버튼

Karpathy의 RNN 글, Olah의 LSTM 글, CS231n 강의 노트가 이 패턴입니다. 불법 미러가 아니라 합법적 큐레이션 + 원문 게이트웨이를 택한 설계입니다. 제작자는 README에서도 저작권 보호 자료를 싣지 못했다고 명시하고, 권한이 있는 사람의 허가를 요청합니다.

4. 접근성·몰입 UI

랜딩에는 BG OFF / MOTION OFF 토글이 있어 점 패턴 배경과 모션을 끌 수 있습니다. 장시간 읽기용으로 산만한 효과를 줄이는 작은 배려입니다. 하단에 GitHub 링크가 있어 소스와 이슈를 바로 확인할 수 있습니다.

---

실제 사용 시나리오

시나리오 A — LLM만 쓰다 기초가 궁금한 개발자

ChatGPT·Claude로 코드를 짜다 "attention이 뭐지?"가 막히는 경우입니다.

1. 30papers.com에서 Attention Is All You Need를 연다.
2. Abstract를 읽으며 encoder / decoder / attention mechanism 버튼을 눌러 용어를 확인한다.
3. 여전히 막히면 사이트의 Claude / ChatGPT 질문 버튼으로 해당 문단을 물어본다.
4. 필요하면 The Annotated Transformer로 코드 수준 해설을 이어 읽는다.

"논문 검색 → PDF 다운로드 → 용어 구글링 → 다시 PDF" 루프를 한 탭 안에서 끝낼 수 있습니다.

시나리오 B — 컴퓨터 비전 입문

1. CS231n 카드에서 원문 강의 노트로 이동한다.
2. 이어서 AlexNet, ResNet, dilated convolution·identity mapping 계열 논문을 순서대로 본다.
3. 비전 백본의 역사(2012→2015)를 짧은 시간에 훑는다.

시나리오 C — 스터디 그룹 커리큘럼

주 1편 페이스로 목록을 따라가면 약 6~7개월짜리 딥러닝 기초 스터디가 됩니다. 제작자가 요약을 제공하므로 발표 담당자는 원문 + 사이트 요약을 함께 준비하면 부담이 줄어듭니다. 다만 요약은 학부생 제작 콘텐츠이므로 원문 대조를 스터디 규칙으로 두는 것을 권합니다.

---

가격 정책

항목	내용
이용 요금	완전 무료
계정	불필요 (웹 공개)
광고 / 페이월	확인 시점 기준 없음
API / 기업 플랜	없음 (학습 사이트)
소스	GitHub 공개

수익 모델이 아니라 개인 학습 프로젝트에 가깝습니다. 서버·유지 비용은 제작자 부담으로 보이며, 기부·스폰서 구조는 README에 명시되어 있지 않습니다.

---

경쟁·대안 서비스 비교

30 papers는 "논문 검색 엔진"이 아니라 고정 커리큘럼형 읽기 목록입니다. 비슷한 니즈를 채우는 대안과 비교하면 역할이 분명해집니다.

비교 항목	30 papers	Papers with Code	arXiv / Semantic Scholar	The Batch / newsletter 큐레이션	대학 강의 (CS231n, fast.ai 등)
형태	고정 필독 목록 + 용어 설명	논문+코드+벤치마크 DB	검색·인용 그래프	주간 하이라이트	체계적 커리큘럼
초보자 용어 지원	강함 (인라인 정의)	약함	약함	중간	강함 (강의)
범위	~30편 큐레이션	수백만 편	전체 학술	매주 소수	한 과목 분량
원문 호스팅	일부만 / 나머지는 링크	메타데이터 중심	PDF 링크	요약 링크	강의 노트
가격	무료	무료	무료	무료~유료	무료~유료
적합한 사람	"뭘 읽어야 하지?" 단계	연구·재현 실험	문헌 조사	트렌드 팔로잉	학점·체계 학습

한 줄 정리

• 무엇을 읽을지 모르겠다 → 30 papers
• 특정 주제 SOTA와 코드를 찾는다 → Papers with Code
• 키워드로 광범위 검색 → arXiv / Semantic Scholar
• 매주 업계 뉴스+논문 하이라이트 → 뉴스레터
• 과제·퀴즈까지 있는 정규 학습 → 대학 강의·fast.ai

30 papers의 대체재가 아니라 입구(on-ramp) 에 가깝습니다. 목록을 끝낸 뒤에는 위 도구로 깊게 파고들면 됩니다.

---

장단점 요약

장점

• 방향이 분명하다 — "딥러닝 기초 필독"이라는 한 가지 질문에 답하는 목록
• 초보자 UX — 용어 버튼, 요약, ChatGPT/Claude 질문 연동
• 합법적 태도 — 저작권 자료를 무단 미러하지 않고 원문으로 연결
• 완전 무료·계정 불필요 — 바로 읽기 시작 가능
• 소스 공개 — GitHub에서 이슈·기여 가능
• 역사적 스토리텔링 — Ilya–Carmack 일화로 학습 동기를 끌어올림

단점

• 목록이 아직 미완 — 이름과 달리 약 27편, 정식 30편 목록도 비공인
• 요약 품질 편차 가능 — 제작자가 비공식 ML 교육 배경을 스스로 밝힘
• 한국어 미지원 — UI·요약·용어 설명이 영어 중심
• 검색·필터 약함 — 대규모 DB가 아니라 스크롤형 목록
• 호스팅 불균일 — 인기 고전 일부는 원문 클릭이 한 번 더 필요
• 유지보수 리스크 — 개인 사이드 프로젝트 특성상 업데이트 속도 불확실

---

이런 사람에게 추천

• LLM API만 쓰다 기초 논문 로드맵이 필요한 개발자
• 스터디를 짜야 하는데 커리큘럼 초안이 필요한 모임 운영자
• Karpathy·Olah·Vaswani 계열 고전을 한 줄로 연결해 보고 싶은 사람
• 영어 논문을 읽되 용어 장벽을 낮추고 싶은 입문자

비추천에 가까운 경우:

• 한국어로만 학습하고 싶은 경우 (번역·국내 강의가 더 적합)
• 최신 arXiv 매일 트래킹이 목적인 경우 (뉴스레터·Semantic Scholar)
• 재현 실험·벤치마크 코드가 핵심인 경우 (Papers with Code)

---

총평

30 papers는 거창한 AI 플랫폼이 아닙니다. 소문으로 유명한 Ilya의 필독 목록을, 초보자가 실제로 끝까지 읽을 수 있게 포장한 웹 사이트입니다. 현재 편수가 30에 못 미치고, 요약 정확도를 맹신하면 안 되며, UI도 영어입니다. 그럼에도 "무엇을 읽어야 하지?"라는 첫 질문에 대해 짧고 솔직한 답을 줍니다.

Transformer와 스케일링 법칙만 아는 세대가 RNN·LSTM·ResNet·CS231n으로 한 바퀴 되돌아가기에 좋은 출발점입니다. 목록을 다 외울 필요는 없습니다. 한 편을 열고, 용어 버튼을 누르고, 막히면 Claude에게 물어보는 습관만 생겨도 이 사이트의 역할은 충분합니다.

더 많은 큐레이션 정보와 관련 서비스는 newflix에서 이어서 볼 수 있습니다.

👉 30 papers on newflix · 공식 사이트 30papers.com · 소스 GitHub