모두의 이야기 블로그

차원의 저주 (Curse of Dimensionality)는 고차원 공간(종종 수백 또는 수천 차원)에서 데이터를 분석하고 조직할 때 발생하는 다양한 문제와 복잡성을 나타냅니다. 머 신 러닝의 영역에서 이 개념을 이해하는 것은 매우 중요합니다. 데이터 세트의 특징 또는 차원의 수가 증가함에 따라 정확하게 일반화하는 데 필요한 데이터 양이 기하급수적으로 증가하기 때문입니다. 수학자 Richard E. Bellman이 만든 ‘차원의 저주’라는 용어는 […]

글 뿐만 아니라 음성, 사진, 영상을 입력으로 받아 다양한 형태의 콘텐츠나 데이터를 생성할 수 있는 Multimodal AI.
강력한 성능과 활용성에, 2025 AI trend 중 하나가 될 것으로 예측되고 있습니다.

GMNT (Google Neural Machine Translation) 는 기존 NMT 의 문제들에 대한 해결책을 제공합니다. 깊은 LSTM 네트워크로 구성하고, 추론 계산 시 저정밀도 연산을 사용합니다.

미국의 IT 자문 회사 가트너(Gartner)가 2025 AI 전략 기술 트렌드를 발표했습니다.

생성 AI의 광풍 이후 AI 기술은 놀랍도록 빠르게 혁신적으로 진보하고 있습니다.
매주 AI 연구자들이 새롭거나 개량된 기술을 발표하며, 매달 빅테크들이 앞다투어 신기술을 발표하고 있습니다.
이런 흐름은 내년에 어떻게 이어질까요? 2025 AI Trend 는 무엇일까요?

(이 글은 Pandora’s Box or Aladdin’s Lamp: A Comprehensive Analysis Revealing the Role of RAG Noise in Large Language Models 논문을 번역 및 편집하였습니다.) RAG 노이즈 소개 RAG 노이즈 연구들을 살펴보면 종종 제한된 노이즈 유형을 다룹니다. 또한 본질적으로 LLM에 해롭다는 전제를 가지고 있습니다. 이는 실제 검색 환경과 다를 수 있으며 실용적인 적용 가능성을 제한할 수 […]

이제 실시간 뉴스, 날씨, 주식 정보 등 다양한 최신 정보를 챗GPT 에서 실시간으로 얻을 수 있게 됐습니다.

Share Value, Grow Together. 가치를 나누며 함께 오랫동안 성장해요!

앤트로픽이 클로드 3.5 시리즈의 새로운 모델 ‘클로드 3.5 하이쿠’와 업그레이드된 ‘클로드 3.5 소네트’를 공개했습니다.

Anthropic이 인공지능 모델 Claude의 새로운 업데이트를 발표했습니다.
이번 업데이트는 Claude 3.5 Sonnet의 성능 개선과 함께 혁신적인 컴퓨터 사용 기능을 비롯한 새로운 모델인 Claude 3.5 Haiku의 출시를 포함하고 있습니다.

오픈AI에서 챗GPT의 공정성(fairness)을 실험한 결과를 발표했습니다. 고정관념이 챗GPT의 응답에 어떤 영향을 미칠까요?

애플이 단순한 2D 이미지만으로 빠르게 3D 깊이 정보를 알아내는 기술 ‘뎁스 프로(Depth Pro)’를 공개했습니다.

고유값(eigenvalues)은 선형 대수에서 고유벡터(eigenvectors)와 관련이 있습니다. 이 두 용어는 주로 행렬 방정식에서 선형 변환의 분석에 사용됩니다. 고유값은 선형 방정식 세트와 연관된 특별한 스칼라 값입니다.

오늘 소개할 내용은 모두의연구소 아이펠캠퍼스 온라인 7기 코어과정에서 진행했던 아이펠톤 프로젝트입니다.아이펠캠퍼스 코어과정의 경우 단순히 모델을 응용하는 것을 넘어서서 플러터로 앱을 만들어서 데모영상까지 만드는 것을 목표로 하고 있습니다.

다양한 프롬프트 기법을 요약하고, 이를 사용된 NLP 작업에 따라 그룹화합니다. 총 44편의 연구 논문에서 29개의 NLP 작업으로 분류하고, 39개의 프롬프트 기법을 다루었습니다. 이 중 대부분은 지난 2년 동안 발표되었습니다.

메타가 새로운 AI 모델 라마 3.2 (Llama 3.2)를 발표했습니다. 컴퓨터나 스마트폰처럼 작은 기기에서도 쉽게 사용할 수 있다는 점이 가장 큰 특징입니다.

믹스트랄(Mixtral)로 잘 알려져 있는 미스트랄 AI(Mistral AI)가 첫 멀티모달 모델 ‘픽스트랄 12B(Pixtral 12B)’를 공개했습니다.

VERA (Validation and Evaluation of Retrieval-Augmented Systems) 는 RAG 시스템에서 LLM의 출력의 투명성과 신뢰성을 향상시키기 위해 설계된 프레임워크입니다. VERA는 RAG 시스템 평가 방식을 두 가지 중요한 방식으로 개선합니다.