👀챗GPT로 대표되는 생성AI 시대에 🔎LLM 실험연구실은 보다 실질적인 "활용"에 집중해요. 여러분들은 챗GPT에게 "천천히 심호흡을 하고 차근차근 문제를 풀어봐" 라고 할 때, 정확도가 두 배 이상 향상되는 걸 알고 계셨나요? (34% -> 80.2%) 단순해보이는 이와 같은 실험 결과는 놀랍게도 구글의 딥마인드에서 발표한 논문이어요. [1] 💬챗GPT 같은 LLM 연구는 엄청난 GPU 파워를 가진 OpenAI, MS, Google 등에서만 진행할 수 있는 연구아니냐고요? 직접 LLM을 만드는 게 목표라면 그럴지도 모르지만 응용 연구에서는 그렇지 않아요. 풀고 싶은 문제와, 학습 시킬 수 있는 데이터, LLM 실험 환경만 갖춰진다면 누구나 할 수 있어요. LLM 실험연구방법은 실제 대학에서 재직중인 랩짱이 알려줄거에요. 데이터는 함께 모을 수 있어요. 풀고 싶은 문제가 있나요? LLM 실험연구실과 함께해요! 🤗 [1] Yang, C., Wang, X., Lu, Y., Liu, H., Le, Q. V., Zhou, D., & Chen, X. (2023). Large language models as optimizers. arXiv preprint arXiv:2309.03409.

- 주 1회 온라인 랩미팅을 기반으로 월 1회 모두연 강남 센터(혹은 신촌 세미나실)에서 오프라인으로도 만나요. - 지방에 있어 피치 못하게 참석이 어려운 분들을 위해 오프라인 모임에서도 온라인 참여 링크를 공유해드려요. - 관심사나 주제에 따라 2~5명씩 Co-Author 그룹을 만들어요. - 초기에는 다양한 LLM 실험 연구 논문을 리뷰하며 서로를 알아가요. - 랩짱 주도로 인과관계 추론, LLM 실험 연구 방법론을 알려드려요. - 세션을 마치면 Vector DB를 통한 나만의 LLM을 만들 수 있게 되어요. (참고: https://kanonup.com/chatgpt-algo/ ) - LLM을 만들고 본격적인 실험을 진행해요. - 데이터를 분석하고 논문 작업을 진행해요.

- 우리 LAB은 컨퍼런스와 저널 투고 및 게재를 목표로 하고 있어요. 그 외의 목적으로는 운영하고 있지 않아요. - 풀고 싶은 문제가 있거나, 다른 사람의 문제를 같이 풀 수 있는 분과 함께하고 있어요.

연구원 분들에 대해 간략하게 알려주세요! (간략소개)

논문이나 컨퍼런스 활동에 참여하고 싶은 이유가 있나요? (참가동기)

평소에 어떤 분야에 관심이 있나요? (관심분야)

논문으로 풀어보고 싶은 문제가 있나요? 있다면 어떤 문제인가요? (연구주제)

논문 작업을 할 때 어떤 부분에 자신이 있나요? (코딩/영어/연구/글쓰기 등)

구글 스칼라 프로필이나 orcid 계정이 있으면 알려주세요!