🤖
AI — 427개 용어
LLM·에이전트·RAG·임베딩·프롬프트 등 AI 시대 필수 용어
Contextual Retrieval👁 120
Anthropic이 제안한 RAG 개선. 각 청크에 문서 맥락을 덧붙여 임베딩.
LightGBM👁 120
Microsoft의 Gradient Boosting. XGBoost보다 빠르고 메모리 효율적.
TensorRT👁 120
NVIDIA의 GPU 추론 가속 라이브러리. 모델 최적화·양자화로 수 배 빠른 서빙.
Few-shot Learning👁 119
몇 개(보통 1~10개)의 예시만 제공해 모델이 새 작업을 수행하게 하는 방식. 파인튜닝 없이 in-context 학습.
Chain-of-Thought👁 118
CoT (생각의 사슬)
LLM이 최종 답 이전에 단계별 추론 과정을 명시적으로 서술하게 유도하는 프롬프트 기법. 수학·논리 문제에서 정확도를 크게 높인다.
BERT👁 117
Bidirectional Encoder Representations from Transformers
Google이 2018년 공개한 양방향 Transformer 인코더. 분류·검색·임베딩에 강점, 현재도 NLP 백본으로 활약.
SDK👁 117
Software Development Kit
특정 플랫폼·서비스 개발에 필요한 도구·라이브러리 묶음. AI SDK는 LLM API 호출을 쉽게 하는 프레임워크.
TPU👁 117
Tensor Processing Unit
Google이 개발한 AI 전용 ASIC. Gemini·Google Cloud의 핵심 인프라.
XGBoost👁 117
Gradient Boosting의 최적화 구현. 테이블 데이터 Kaggle 우승의 공식.
Self-Consistency👁 116
같은 질문을 여러 번 샘플링하고 다수결로 답 선택. 추론 정확도 향상.
Context Engineering👁 115
프롬프트보다 넓은 개념. 검색·도구·메모리까지 포괄한 LLM 컨텍스트 설계.
Pipeline Parallelism👁 115
대형 모델을 여러 GPU에 레이어 단위로 분할. Megatron·PaLM 학습에 사용.
Temperature👁 115
온도 (샘플링)
LLM 샘플링 시 출력 무작위성을 조절하는 파라미터. 0이면 결정적, 1 이상이면 창의적·예측 불가.
Zero-shot Learning👁 115
학습 단계에서 본 적 없는 작업을 예시 없이 바로 수행하는 능력. 대형 LLM의 핵심 역량.
Diffusion Model👁 114
확산 모델
노이즈에서 점진적으로 이미지를 복원하는 방식의 생성 모델. DALL-E, Stable Diffusion, Midjourney의 기반.
smolagents👁 114
Hugging Face의 초경량 코드 에이전트. 수백 줄로 agent 구현.
Tool Use👁 114
Function Calling
LLM이 외부 함수·API를 호출하도록 하는 기능. 에이전트 구현의 핵심. MCP가 표준화 주도.
Tree of Thoughts👁 114
CoT를 트리로 확장. 여러 경로를 탐색·평가·가지치기. 복잡 추론에 강함.
Whisper👁 114
OpenAI의 오픈소스 음성 인식 모델. 99개 언어 지원, 정확도 높음.
GPU👁 113
Graphics Processing Unit
그래픽·딥러닝 연산을 병렬 처리하는 프로세서. NVIDIA CUDA가 AI 표준.
MCP Prompts👁 113
MCP Prompts 프리미티브. 재사용 가능한 워크플로 템플릿.
Stability AI👁 113
Stable Diffusion 공개사. 오픈 이미지·오디오·비디오 생성 모델.
SVM👁 113
Support Vector Machine
최대 마진 초평면으로 데이터를 분리하는 지도학습 알고리즘. 고차원 데이터에 강함.
TTFT👁 113
Time To First Token
LLM이 첫 토큰을 반환하기까지 지연. 체감 반응성의 핵심.
vLLM👁 113
UC Berkeley의 고성능 LLM 추론 엔진. PagedAttention으로 메모리·처리량 극대화.
OpenAI👁 112
GPT·ChatGPT를 만든 AI 회사. 2015년 비영리로 시작, 현재 MS 파트너십.
RLHF👁 112
Reinforcement Learning from Human Feedback
사람의 선호도로 보상 모델을 학습하고, 이를 강화학습으로 LLM에 주입해 "사람이 좋아하는" 응답을 생성하게 하는 기법.
Sentiment Analysis👁 112
텍스트의 감정(긍정·부정·중립)을 분류하는 NLP 작업. 리뷰·소셜 분석에 활용.
Speculative Decoding👁 112
작은 모델로 추측·큰 모델로 검증. 생성 속도 2~3배.
Tensor Parallelism👁 112
단일 텐서 연산을 여러 GPU로 분할. Megatron이 대표.
TTS👁 112
Text-to-Speech
텍스트를 음성으로 변환하는 기술. ElevenLabs·Coqui·Google Cloud TTS.
GSM8K👁 111
초등·중등 수학 문제 8.5K. Reasoning 모델 평가의 기본.
Instructor👁 111
OpenAI·Anthropic을 Pydantic 모델로 응답 받는 Python 라이브러리.
Replicate👁 111
Docker 이미지 기반 AI 모델 서빙 플랫폼. 커뮤니티 모델 수천 개.
DALL·E👁 110
OpenAI의 text-to-image 모델. DALL·E 3가 ChatGPT에 내장되어 대중화.
Llama👁 110
Meta의 오픈소스 LLM 시리즈. 연구용에서 상업 라이선스 모델로 진화. 로컬 LLM 생태계의 중심.
YOLO👁 110
You Only Look Once
실시간 객체 검출 모델. 이미지 전체를 한 번에 처리해 속도 대비 성능 우수.
Confusion Matrix👁 109
분류 결과를 TP·TN·FP·FN 4분면으로 정리한 표. 성능 분석의 기본.
Cursor👁 109
AI 코딩에 특화된 VS Code 포크 에디터. Tab 자동완성과 Cmd+K 인라인 편집으로 바이브 코딩 시대를 선도.
OpenCV👁 109
Intel이 시작한 컴퓨터 비전 오픈소스 라이브러리. C++·Python 등 지원.
SAM👁 109
Segment Anything Model
Meta의 범용 segmentation 모델. 프롬프트로 어떤 객체든 분할.
SGD👁 109
Stochastic Gradient Descent
무작위 샘플로 그래디언트를 추정하는 경사 하강법. 대용량 학습의 기본.
Word2Vec👁 109
Google이 2013년 공개한 단어 임베딩 기법. CBOW·Skip-gram 모델.
Claude Agent SDK👁 108
Anthropic의 에이전트 빌드 SDK. 도구·메모리·서브에이전트 패턴.
Continual Learning👁 108
모델을 계속 새 데이터로 학습시키되 이전 지식을 잊지 않게 하는 연구 분야.
DPO👁 108
Direct Preference Optimization
RLHF의 단순·안정적 대안. 보상 모델 없이 선호도 데이터로 직접 최적화.
KV Cache👁 108
Transformer의 Key·Value를 캐시해 재계산 회피. LLM 추론의 메모리 주범.
Perplexity👁 108
언어 모델의 불확실성 지표. 낮을수록 좋음. 사전학습 평가의 핵심.
PPO👁 108
Proximal Policy Optimization
OpenAI가 제안한 강화학습 알고리즘. RLHF의 전통적 선택.
SWE-bench👁 108
GitHub 이슈를 자동 수정하는 에이전트 벤치마크. 가장 권위 있음.