모두의 이야기 블로그

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.

오픈AI가 어려운 추론 문제를 해결하기 위한 언어 모델 'o1'을 공개했습니다! 답변을 하기 전에 더 많이 생각하여 여러 가지 전략을 시도하거나 오류들을 수정하도록 설계되어 있다고 하네요.

OP-RAG (Order-Preserve RAG)는 원본 텍스트에서 검색된 청크의 순서를 유지하는 방식입니다. 실험에서 청크의 순서가 답변 품질에 중요한 영향을 주는 것이 관찰되었습니다. 순서가 유지되면 RAG 의 답변 품질이 크게 향상되었습니다.

메타의 언어 모델 라마, 현재까지 허깅페이스에서 약 3억 5천만 번이나 다운로드됐다고 하는데요. 작년 이맘때 대비 무려 🔟배 이상이라는 사실, 알고 계셨나요?

이미지 분석 작업에서 중요한 방법 중 하나인 Semantic Segmentation은, 입력된 영상의 각 픽셀이 클래스 라벨을 할당하는 것을 목표로 합니다. 이번 블로그는 DeepLab V1~ V3+에 대해서 발전 과정의 차이점을 중심으로 설명합니다.

이미지 생성 모델 미드저니(Midjourney)를 이제 웹에서도 사용할 수 있습니다. 그동안 디스코드에서만 서비스하던 모델을 웹사이트로 확장해 접근성을 높인 것이죠.

확률은 특정 결과가 발생할 가능성이나 기회를 나타냅니다. 모델 매개변수에 따라 예측한 특정 결과의 발생 가능성을 의미합니다. 반면 가능도는 모델이나 가설이 관찰된 데이터에 얼마나 잘 맞는지를 나타내는 정량적 추정 또는 측정으로 정의하는 것입니다.

YOLOv5 모델은 백본으로 CSP-Darknet53, 그리고 넥은 SPP (Spatial Pyramid Pooling) 와 PANet, YOLOv4 에서 사용된 헤드입니다.

단일 샷 탐지기 (Single Shot Detector)는 컴퓨터 비전 분야의 객체 탐지 알고리즘입니다. SSD는 이미지나 비디오 프레임 내 객체를 신속하고 정확하게 탐지하고 위치를 찾는 능력으로 주목받고 있습니다. SSD의 특별한 점은 딥 뉴럴 네트워크를 한 번만 통과하여 이 작업을 수행할 수 있어 매우 효율적이며 실시간 애플리케이션에 이상적입니다.