🤖
AI — 427개 용어
LLM·에이전트·RAG·임베딩·프롬프트 등 AI 시대 필수 용어
CrewAI👁 139
역할 기반 멀티 에이전트 프레임워크. Agent·Task·Crew 추상화.
Delimiters👁 139
프롬프트 섹션을 구분자로 명확화. <input>·```·---.
Fine-tuning 종류👁 139
Full FT·LoRA·QLoRA·Instruction Tuning·RLHF·DPO.
Fine-tuning 비용 모델👁 139
학습·추론·데이터 준비 비용. RAG vs FT 결정의 핵심.
Kimi K2👁 139
Moonshot AI의 에이전틱 오픈 모델. 1T 파라미터 MoE.
LLM 입력 검증👁 139
프롬프트 주입·토큰 폭탄·유해 입력 사전 차단.
LLM-as-Judge Pairwise👁 139
두 응답을 비교 평가. 단일 평가보다 신뢰성.
LLM Eval Framework👁 139
LLM 성능·품질 평가 프레임워크. LM Eval Harness·HELM·Promptfoo.
Log Probabilities👁 139
LLM의 각 토큰 확률 로그. 신뢰도·분류·앙상블에 활용.
LoRA Rank👁 139
LoRA 어댑터의 순위. 작으면 파라미터↓·표현력↓.
LSTM👁 139
Long Short-Term Memory
RNN의 vanishing gradient를 해결한 게이트 기반 변형. Transformer 이전 NLP·시계열 주류.
NER👁 139
Named Entity Recognition
텍스트에서 인명·지명·기관명 같은 개체를 인식·분류하는 NLP 작업.
Pooling (CNN)👁 139
특징 맵의 공간 크기를 줄이는 연산. Max·Average Pooling.
RAG Pipeline👁 139
RAG의 7단계: 문서 → 청크 → 임베딩 → 저장 → 검색 → 리랭킹 → LLM 생성.
Replicate👁 139
GitHub 커밋만으로 ML 모델 배포. 커뮤니티 모델 풍부.
Batch Size👁 138
한 스텝에서 처리하는 샘플 수. GPU 메모리·학습 안정성·최적화에 영향.
Deepfake👁 138
AI로 합성한 가짜 얼굴·음성·영상. 탐지·규제가 과제.
Dropout👁 138
학습 중 무작위로 일부 뉴런을 비활성화해 과적합을 막는 정규화 기법.
Epoch👁 138
전체 학습 데이터를 한 번 통과하는 단위. 일반적으로 여러 에폭 학습.
Gemini Function Calling👁 138
Google Gemini의 도구 호출. Code Execution·Grounding 내장.
Gradient Descent👁 138
손실을 최소화하는 방향으로 가중치를 조정하는 최적화 알고리즘.
Groq LPU👁 138
Groq의 Language Processing Unit. 초당 수백 토큰 추론.
Mem0👁 138
LLM 앱용 지능형 메모리 레이어. 개인화·컨텍스트 유지.
Model Merging👁 138
여러 파인튜닝된 모델을 병합. Linear·SLERP·DARE·MergeKit.
OpenAI Batch API 상세👁 138
비동기 대량 처리. 50% 할인, 24시간 내 완료.
OpenAI Function Calling👁 138
OpenAI의 도구 호출 기능. JSON Schema로 함수 정의.
ReAct 패턴 심화👁 138
Reason·Act·Observe 루프. 도구 사용 에이전트의 고전.
Test-Time Compute👁 138
추론 시 더 오래 생각해 성능 향상. Scaling Law의 새 축.
Agent Reflection👁 137
에이전트가 자신의 출력을 자기 평가·개선하는 루프.
Autoencoder👁 137
입력을 저차원으로 압축 후 복원하는 신경망. 차원 축소·이상 탐지·표현 학습에 활용.
AWQ👁 137
Activation-aware Weight Quantization
활성화 분포를 고려한 양자화. GPTQ와 함께 4bit 주류.
Cerebras👁 137
WSE(Wafer Scale Engine) 거대 칩으로 LLM 학습·추론. 세계 최대 AI 칩.
Code Interpreter👁 137
LLM이 Python을 실행·결과를 관찰. ChatGPT Advanced Data Analysis.
Interpretability👁 137
딥러닝 모델 내부 동작을 사람이 이해할 수 있게 분석하는 연구 분야.
Langfuse👁 137
오픈소스 LLM 관측성 플랫폼. 셀프호스팅 가능. LangSmith 대안.
LLM Observability👁 137
LLM 호출·비용·품질을 추적·분석. LangSmith·Langfuse·Helicone·Arize.
LLM Red Teaming👁 137
LLM을 공격자 관점에서 테스트. Anthropic·OpenAI·Google 모두 필수.
LLM Test Set👁 137
LLM 앱 테스트 데이터셋. 회귀 방지·Prompt 개선 기준.
Nomic Embed👁 137
오픈 웨이트·라이선스·학습 데이터 공개 임베딩 모델.
Whisper API👁 137
OpenAI의 Whisper 클라우드 API. 파일 업로드·실시간 자막.
Anthropic Message Batches👁 136
Claude의 배치 API. 50% 할인. 1만 건·24시간.
Arena-Hard👁 136
LMSYS Chatbot Arena 난이도 높은 자동 평가셋.
Fine-grained MoE👁 136
DeepSeek V3·Mixtral 차세대 MoE. 더 많고 작은 전문가.
Inference-Time Scaling👁 136
추론 연산을 늘려 품질 향상. reasoning·consistency.
LangChain LCEL👁 136
LangChain Expression Language
LangChain의 파이프 연산자 기반 체인 조립.
Llama Guard👁 136
Meta의 안전성 분류 모델. 입력·출력을 categorize.
LlamaIndex👁 136
RAG 특화 LLM 프레임워크. 데이터 인덱싱·검색·질의에 집중.
LLM Judge 편향👁 136
LLM이 평가자일 때 생기는 편향. 길이·위치·자기 선호.
Matryoshka Embeddings👁 136
하나의 임베딩을 다양한 차원으로 자를 수 있는 학습. MRL.
Mini-batch Gradient Descent👁 136
전체 데이터 대신 배치 단위로 그래디언트를 계산. 현대 딥러닝 표준.