필터 1
네이버 클라우드 플랫폼
AI

[클로바 시선 #56] 충돌은 나누고, 성능은 합치다: 효율적인 LLM Post-training 전략 MERIT

멀티모달 LLM 후학습에서 서로 다른 데이터를 섞을 때 생기는 충돌 문제를 다뤘습니다. 효율적인 Post-training 전략 MERIT를 소개했습니다.

#LLM#ML
8005분
네이버 클라우드 플랫폼
AI

[클로바 시선 #55] 우리의 눈과 귀로 현장을 이해하다 : 독자 인코더와 HyperCLOVA X SEED 4B 개발기

전장처럼 다양한 정보가 동시에 들어오는 환경을 위한 옴니모달 AI 개발 내용을 소개했습니다. 경량 모델 HyperCLOVA X SEED 4B와 CLIP 기반 핵심 구성 요소를 자체 기술로 개발했습니다.

#ML#LLM
15005분
더 작고 강해진 Kanana SLM 개발
카카오
기타

더 작고 강해진 Kanana SLM 개발

X

#LLM#ML
29005분
AITRICS
기타

[24. 7. 31] 생명을 구하는 AI 기술을 개발하는 형제 Researcher, Chris와 Destin을 소개합니다

에이아이트릭스의 형제 연구원 Chris와 Destin이 의료 AI 연구와 팀 협업 경험을 소개했습니다. 환자 상태 예측과 병리 영상 연구를 통해 실제 의료 현장에 기여하는 이야기를 전했습니다.

#ML#EHR
5005분
AITRICS
AI

[24. 3. 5] 의료 현장의 필요를 발굴하여 기술로 연계하는 Medical Affairs, Luke를 소개합니다

AITRICS Medical Affairs의 역할과 바이탈케어의 임상적 의미를 소개했습니다. 패혈증 조기 예측과 의료 현장 기반 연구 방향도 함께 다뤘습니다.

#ML#의료 AI
130005분
오픈챗 이름 및 설명 글로 유해성 판단하는 모델 개발하기
라인
AI

오픈챗 이름 및 설명 글로 유해성 판단하는 모델 개발하기

오픈챗 이름과 설명 글로 유해성을 판단하는 모니터링 모델 개발 과정을 소개했습니다. 디코더 기반 분류와 임곗값 조정으로 자동 검수 범위를 넓혔습니다.

#ML#LLM
154005분
AITRICS
AI

[24. 2. 14] 인공지능과 의료 데이터의 만남, 에이아이트릭스의 연구를 책임지고 있는 양은호 교수님을 소개합니다

에이아이트릭스의 양은호 교수 인터뷰를 통해 바이탈케어의 개발 배경과 의료 AI 연구 방향을 소개했습니다. 의료 현장 적용을 위해 모델 안정화와 LLM 활용 가능성에 주목했습니다.

#ML#헬스케어
17005분
AITRICS
AI

[23. 5. 30] FDA PCCP 가이던스 분석

FDA의 PCCP 가이던스를 ML 기반 의료기기 관점에서 쉽게 풀어 정리했습니다. 변경 관리 계획의 구성과 작성 포인트를 중심으로 설명했습니다.

#ML#FDA
9005분
AITRICS
AI

[23. 5. 23] 에이아이트릭스, ICLR TML4H 워크샵 ‘환자 악화 예측 모델’최고 논문상 수상

AITRICS 연구팀이 ICLR 2023 TML4H 워크숍에서 환자 악화 예측 모델로 최고 논문상을 수상했습니다. 멀티모달 EHR와 자기지도 학습으로 1시간 단위의 정밀 예측 성능을 높였습니다.

#LLM#ML
10005분
스트라드비젼의 AWS 클라우드 기반 피지컬 AI End-to-End 파이프라인 가속화 사례
AWS
AI

스트라드비젼의 AWS 클라우드 기반 피지컬 AI End-to-End 파이프라인 가속화 사례

스트라드비젼은 AWS 기반 하이브리드 인프라로 희귀·위험 시나리오 데이터를 합성하고 시뮬레이션했습니다. 이를 통해 자율주행 AI 학습과 검증 속도를 높이고 비용도 절감했습니다.

#AWS#ML
129005분
AITRICS
AI

[23. 5. 23] 의료인공지능 모델 개발 파이프라인 툴 소개: Clairvoyance

의료 전자기록 데이터는 전처리와 평가 기준이 복잡해 모델 재현성이 낮았습니다. Clairvoyance는 이를 표준화하는 파이프라인 툴로 개발·평가·최적화를 돕습니다.

#ML#pipeline
16005분
AITRICS
AI

[23. 5. 23] EHR 데이터를 활용한 의료인공지능 모델 개발 파이프라인

EHR 데이터를 활용한 의료 AI 모델 개발 파이프라인을 5단계로 정리한 글입니다. 임상 적용을 위해 전처리, 보정, 일반화 평가까지 함께 고려해야 함을 소개했습니다.

#EHR#ML
11005분