On-device로 작동하는 SLM기반 Voice-Phishing 탐지 모델을 만들어보자!
온디바이스에서 SLM으로 보이스 피싱을 탐지하는 구현 흐름을 소개했습니다. STT, LoRA 학습, 양자화, 모바일 구동까지의 절차와 한계를 함께 정리했습니다.
#LLM#모바일
8700
국내 IT 기업 기술 블로그 최신 글
필터 1
기술블로그를 책으로, “요즘 우아한 AI 개발” 출간!
우아한형제들 기술블로그를 엮은 두 번째 책 “요즘 우아한 AI 개발”을 소개했습니다. AI·데이터·로봇의 실무 적용 사례와 구성 내용을 함께 담았습니다.
#LLM#RAG
13900
AI Wearables Market: Challenges ＆ Opportunities. Bee Pioneer AI Device Review
AI 웨어러블 시장의 성장 가능성과 함께 배터리, 프라이버시, 정확도 같은 과제도 함께 다뤘습니다. Bee Pioneer 사례를 통해 저가형 손목형 AI 기기의 접근성과 사용성을 살펴보았습니다.
#LLM#AI Wearables
5300
생각하는 AI? 추론 모델 빠르게 구현해 보기 (ft. S1)
S1의 Test-Time Scaling과 Budget Forcing으로 추론 모델을 구현하는 과정을 소개했습니다. 적은 데이터와 반복 자기검증만으로도 사고 성능을 끌어올리는 방법을 살펴보았습니다.
#LLM#ML
6200
삼성의 AI 코딩 어시스턴트 code.i 이해
생성형 AI 모델 기반 코딩 어시스턴트의 개념과 역할을 소개했습니다. 자연어와 코드 학습을 통해 개발 생산성을 높이는 방향을 설명했습니다.
#LLM#prompt
400
호텔 검색, 어떻게 달라졌을까요? 2편 - 지식 증류
호텔 검색에서 LLM을 sLLM으로 옮기기 위해 지식 증류를 적용한 과정을 다뤘습니다. 성능과 효율을 함께 확보하기 위한 모델 선정, 데이터 구성, 학습 기법 개선을 설명했습니다.
#LLM#NLP
8300
호텔 검색, 어떻게 달라졌을까요? 3편 - 검색 시스템
호텔 검색의 언어 장벽과 POI 매칭 한계를 개선한 사례를 다루었습니다. 다국어 음차·번역, Dense Retrieval, Place sLLM으로 커버리지와 검색 품질을 높였습니다.
#검색#LLM
9100
호텔 검색, 어떻게 달라졌을까요? 4편 - 이미지 검색
호텔 검색의 이미지 품질을 높이기 위해 플레이스 특화 CLIP 인코더를 학습했습니다. 질의와 이미지의 연관성을 강화해 대표 이미지 검색 정확도와 사용자 경험을 개선했습니다.
#검색#LLM
4400
Velopers 추천광고
쿠팡 파트너스
개발자를 위한 인기 상품을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발자#노트북#컴퓨터
호텔 검색, 어떻게 달라졌을까요? 1편 - 문제와 해결
LLM과 블로그 POI 데이터를 활용해 호텔 검색의 복잡 질의, 다국어, 콘텐츠 부족 문제를 개선했습니다. 검색 엔진 전환과 자동 품질평가로 커버리지와 성과도 함께 높였습니다.
#LLM#검색
7300
LLM Knowledge Distillation 훑어보기 - part 1
LLM 지식 증류의 개념과 주요 방법론을 정리한 글입니다. Teacher 모델의 지식을 Student 모델에 이전하는 방식과 구현 접근을 소개했습니다.
#LLM#Knowledge Distillation
8000
DeepSeek-R1 기술 분석
DeepSeek-R1의 구조와 학습 방식, GRPO와 지식 증류의 특징을 OpenAI o1과 비교해 정리했습니다. 비용 절감과 추론 성능 강점, 한국어 적용 시 주의점도 함께 살펴봤습니다.
#LLM#ML
5800
LLM as a Judge를 활용한 CodeBuddy 성능 평가
LLM as a Judge를 활용해 CodeBuddy의 성능 평가를 다룬 글입니다. AI 모델과 응답 품질을 평가하는 방법론을 소개했습니다.
#LLM
3400
Amazon Bedrock에서 DeepSeek-R1 Distilled Llama 모델 배포하기
Amazon Bedrock 사용자 지정 모델로 DeepSeek-R1 Distill Llama를 배포하는 방법을 안내했습니다.\n서버리스 호스팅, 비용 구조, 버전 관리와 모니터링 포인트도 함께 정리했습니다.
#Amazon Bedrock#LLM
3200
에이닷의 AI 에이전트는 어디까지 발전할 수 있을까? Code Interpreter 가 가져올 AI 에이전트 패러다임의 혁신
LLM 기반 AI 에이전트의 Tool Calling 한계를 Code Interpreter로 확장하는 흐름을 설명했습니다. Docker 샌드박스와 LangGraph로 안전하게 적용하는 예시도 함께 다뤘습니다.
#LLM#Python
3300