

쉽게이해하는 GPT. 2편(어떻게 GPT는 Chat을 하는가, instruct모델)
GPT는 기본적으로 다음 단어를 예측하는 모델이라 대화가 어렵습니다. instruction tuning으로 질문-답변 형식을 학습해 ChatGPT 같은 대화형 모델로 확장했습니다.


GPT는 기본적으로 다음 단어를 예측하는 모델이라 대화가 어렵습니다. instruction tuning으로 질문-답변 형식을 학습해 ChatGPT 같은 대화형 모델로 확장했습니다.


GPT를 다음 단어를 예측하는 모델로 쉽게 풀어 설명했습니다. Transformer 디코더만 사용하는 구조와 LLaMA 예시를 통해 Base Model 개념을 소개했습니다.

생성형 AI 이미지 품질을 자동 평가하고 블랙박스 최적화로 하이퍼파라미터를 탐색한 사례를 다뤘습니다. 수작업을 줄이고 결과 신뢰도를 높였지만, 스타일 판별 지표는 추가 보완이 필요했습니다.


Reasoning 모델의 개념과 학습 방법, 성능 특징을 정리하고 AI 검색 고도화 방향을 소개했습니다. 질문 특성에 따라 Reasoning과 Non-Reasoning 모델을 선택해 정확도와 속도를 함께 높이는 방안을 다뤘습니다.


Amazon OpenSearch Service의 LTR 플러그인으로 BM25 결과를 재정렬해 검색 품질을 높이는 과정을 소개했습니다. Bedrock, RankLib, NDCG 평가를 통해 학습·배포·비교 흐름을 실습 형태로 설명했습니다.

인공지능 연산을 빠르게 처리하기 위한 전용 하드웨어로 NPU를 소개했습니다. CPU와 GPU의 역할과 한계를 짚으며 AI 효율 극대화 관점을 설명했습니다.

밸런스히어로가 월드뱅크 방문에서 인도 시장의 AI 기반 마이크로 파이낸스 사례를 공유했습니다. 중저신용자 대상 대안신용평가와 빠른 대출 심사로 금융 포용 확대 가능성을 보여줬습니다.
쿠팡 파트너스
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

밸런스히어로가 월드뱅크에 인도 시장의 AI 마이크로 파이낸스 사례를 공유했습니다. 중저신용자 대상 대안신용평가와 빠른 심사 모델이 포용 금융 사례로 주목받았습니다.
토스 광고 노출 과정과 추천 시스템의 전체 흐름을 ML 관점에서 정리했습니다. Targeting부터 Ranking까지 각 단계별 모델 활용 방식도 소개했습니다.
토스 쇼핑이 수백만 사용자와 상품을 다루기 위해 멀티 스테이지 추천 시스템을 설계한 방식을 소개했습니다. Retrieval, Ranking, Re-ranking으로 개인화와 비즈니스 목표를 함께 맞췄습니다.

X

LLM 추론 최적화와 Reasoning 모델 파인튜닝 방법론을 다루는 글입니다. 딥시크-R1과 S1 논문을 바탕으로 관련 접근을 소개했습니다.