Semantic Search 만으로는 번역 품질이 해결되지 않았던 이유
Semantic Search 만으로는 번역 품질이 해결되지 않았던 이유
Semantic Search로는 번역 키의 용어 일관성을 충분히 살리기 어려웠습니다. 문장 유사도보다 정확한 용어 재사용에 맞춰 검색 방식을 바꾸는 것이 더 효과적이었습니다.
#검색#LLM
0005분
필터 1
Semantic Search 만으로는 번역 품질이 해결되지 않았던 이유
Semantic Search만으로는 번역 용어 일관성을 해결하기 어려웠습니다. 저자는 키워드 추출과 Tolgee 재검색 방식으로 접근을 바꿨습니다.
#LLM#검색
7005분
Agentic Search 시스템 구축기: 사내 검색 환경을 재정의하기 위해 우리가 선택한 것들
Agentic Search 시스템 구축기: 사내 검색 환경을 재정의하기 위해 우리가 선택한 것들
삼성전자 사내 검색 환경을 개선하기 위해 Agentic Search 구조를 선택한 배경을 다뤘습니다. 다양한 RAG 실험과 설계 고려 사항을 함께 정리했습니다.
#검색#RAG
0005분
RAG의 진화: 검색을 넘어, 나를 이해하는 ‘Personal Context’의 시대로
RAG의 진화: 검색을 넘어, 나를 이해하는 ‘Personal Context’의 시대로
RAG가 단순 검색을 넘어 개인 데이터와 실시간 컨텍스트를 통합하는 방향으로 진화하고 있음을 설명했습니다. Personal Context RAG를 실현하기 위한 접근의 필요성도 함께 제시했습니다.
#RAG#검색
0005분
"알아서 정확하게 응답줬으면.." RAG부터 에이전트까지 사내 AI 챗봇 구축기 2부
사내 AI 슬랙봇을 RAG 기반으로 구축한 뒤 검색 품질과 응답 품질을 개선한 과정을 공유했습니다. 쿼카는 Bedrock Agents로 마이그레이션해 컨텍스트 유지와 SQL 검증을 강화했습니다.
#RAG#LLM
158005분
Elasticsearch 거리 기반 가중치로 검색 랭킹 최적화하기
Elasticsearch 거리 기반 가중치로 검색 랭킹 최적화하기
Elasticsearch 좌표 검색에 거리 기반 가중치를 더해 랭킹을 최적화하는 방법을 소개했습니다. 구간별 weight와 decay 함수를 비교하며 자연스러운 노출을 위한 주의점을 설명했습니다.
#Elasticsearch#검색
49005분
도메인 정하기에 지쳤다면 ‘AI 도메인 검색‘
도메인은 브랜드 신뢰와 운영 자산에 직접 영향을 주는 중요한 요소라고 설명했습니다. 가비아 AI 도메인 검색으로 등록 가능한 후보를 빠르게 좁혀 결정 과정을 줄이는 방법을 소개했습니다.
#검색#도메인
68005분
TwelveLabs Marengo를 활용한 Amazon Bedrock에서의 영상 이해 기술 구현
Amazon Bedrock의 TwelveLabs Marengo로 비디오를 멀티모달 임베딩으로 변환해 시맨틱 검색을 구현한 사례입니다. OpenSearch Serverless와 결합해 텍스트·이미지·오디오 질의로 관련 클립을 찾는 흐름을 소개했습니다.
#Amazon Bedrock#OpenSearch Serverless
21005분
연관 키워드 추천
연관 키워드 추천
검색 로그의 동시 출현 패턴을 활용해 연관 키워드 추천 시스템을 구축했습니다. Word2Vec 후보를 로그 기반 필터링으로 보정해 롱테일 키워드까지 살렸습니다.
#Word2Vec#검색
64005분
디자인 시스템, 이제 감이 아니라 데이터로 말하기 (3,272시간의 가치)
디자인 시스템, 이제 감이 아니라 데이터로 말하기 (3,272시간의 가치)
디자인 시스템 성과를 감이 아니라 설문과 인터뷰 데이터로 측정한 사례를 정리했습니다. 연간 3,272시간 절감 효과와 직군별 차이를 바탕으로 개선 과제를 도출했습니다.
#디자인 시스템#ROI
86005분
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
채널 AI팀이 RAG 검색 성능을 평가하기 위해 자체 리트리벌 벤치마크를 만든 과정을 소개했습니다. 외부 벤치마크 한계를 보완하고 hybrid search 성능 개선도 확인했습니다.
#ML#RAG
0005분
채널 AI팀은 왜 새로운 ML 모델 벤치마크가 필요로 했을까?
AI 모델 성능 비교를 위해 상담 도메인에 맞는 리트리벌 벤치마크를 직접 제작했습니다. 벡터 검색과 BM25를 결합한 하이브리드 검색의 개선 효과도 정량적으로 확인했습니다.
#ML#RAG
10005분