콘텐츠로 바로가기
용어13

llm · 기술 노트

이 용어로 연결된 기록을 섹션별로 살펴봅니다.

14 Pillars · 기술 분류

  1. Machine Learning & AI

    통계적 수학과 대규모 하드웨어 연산을 결합하여 기계가 스스로 규칙을 추출하고, 인간의 고등 추론을 수리적으로 모사하는 인공지능의 모든 계층을 다룹니다.

    machine-learning-ai
  2. LLM & RAG Engineering

    수조 개의 파라미터를 통해 인류의 지식을 수리적으로 압축하고, 자연어와 멀티모달 데이터를 물리적으로 생성하며 추론하는 현대 AI의 정점을 다룹니다.

    machine-learning-ai / llm-rag-engineering
  3. Fine-Tuning & Model Alignment

    사전 학습된 모델의 지능을 특정 도메인에 수리적으로 최적화하고, 인간의 가치관이나 지시사항에 물리적으로 부합하도록 교정(Alignment)하는 고강도 적응 물리학을 다룹니다.

    machine-learning-ai / llm-rag-engineering / fine-tuning-model-alignment
  4. LLM Foundations & Token Physics

    방대한 텍스트 데이터를 수리적으로 압축하여 언어의 통계적 지도를 구축하고, 문자를 수치적 단위(Token)로 분해하며 다음 단어를 예측하는 거대 언어 모델의 물리적 근간을 다룹니다.

    machine-learning-ai / llm-rag-engineering / llm-foundations-token-physics
  5. Multimodal AI & Emerging Trends

    텍스트를 넘어 이미지, 음성, 영상의 서로 다른 물리적 데이터를 단일한 수리 공간(Joint Space)에 통합하고, 세계 모델과 지능형 에이전트로 진화하는 AI의 최신 역학을 다룹니다.

    machine-learning-ai / llm-rag-engineering / multimodal-ai-emerging-trends
  6. Prompt Engineering & RAG Mechanics

    고정된 모델의 지능을 자연어 명령으로 물리적 유도(Prompting)하고, 외부의 수치화된 정보를 실시간으로 결합(RAG)하여 모델의 지식적 한계를 수리적으로 돌파하는 기법을 다룹니다.

    machine-learning-ai / llm-rag-engineering / prompt-engineering-rag-mechanics