국내 IT 기업 기술 블로그 최신 글

필터 1
AI Wearables Market: Challenges & Opportunities. Bee Pioneer AI Device Review
데보션
AI

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
6200
생각하는 AI? 추론 모델 빠르게 구현해 보기 (ft. S1)
데보션
AI

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
6500
삼성의 AI 코딩 어시스턴트 code.i 이해
삼성
AI

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
1900
호텔 검색, 어떻게 달라졌을까요? 2편 - 지식 증류
네이버 D2
AI

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
8500
호텔 검색, 어떻게 달라졌을까요? 3편 - 검색 시스템
네이버 D2
AI

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
9600
호텔 검색, 어떻게 달라졌을까요? 4편 - 이미지 검색
네이버 D2
AI

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
4700
쿠팡 파트너스

광고

개발자를 위한 서적을 확인해 보세요

이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.

#개발서적#프로그래밍
호텔 검색, 어떻게 달라졌을까요? 1편 - 문제와 해결
네이버 D2
AI

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
7500
LLM Knowledge Distillation 훑어보기 - part 1
데보션
AI

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
8400
DeepSeek-R1 기술 분석
한글과컴퓨터
AI

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
6300
LLM as a Judge를 활용한 CodeBuddy 성능 평가
카카오
AI

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
4200
Amazon Bedrock에서 DeepSeek-R1 Distilled Llama 모델 배포하기
AWS
AI

Amazon Bedrock에서 DeepSeek-R1 Distilled Llama 모델 배포하기

Amazon Bedrock 사용자 지정 모델로 DeepSeek-R1 Distill Llama를 배포하는 방법을 안내했습니다. 서버리스 호스팅, 비용 구조, 버전 관리와 모니터링 포인트도 함께 정리했습니다.

#Amazon Bedrock#LLM
4300
에이닷의 AI 에이전트는 어디까지 발전할 수 있을까? Code Interpreter 가 가져올 AI 에이전트 패러다임의 혁신
데보션
AI

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
4000
에이전트 내 자연어 검색 품질 향상 기법 : Entity RAG, Knowledge-aware retrieval
데보션
AI

에이전트 내 자연어 검색 품질 향상 기법 : Entity RAG, Knowledge-aware retrieval

자연어 검색 에이전트의 품질을 높이기 위해 Entity RAG와 Knowledge-aware retrieval을 적용한 사례를 소개했습니다. 신규 개체 인식과 테마 질의 대응 성능이 개선되었고, 향후 적용 범위 확대도 제시했습니다.

#LLM#RAG
4200
AI 응답성 최적화하기: Amazon Bedrock 지연 시간 최적화 추론에 대한 실용적인 가이드
AWS
AI

AI 응답성 최적화하기: Amazon Bedrock 지연 시간 최적화 추론에 대한 실용적인 가이드

Amazon Bedrock의 지연 시간 최적화 추론이 LLM 응답성 개선에 어떻게 기여하는지 정리했습니다. TTFT, OTPS, E2E 지표와 함께 프롬프트·아키텍처 최적화 방법도 살펴보았습니다.

#AWS#LLM
5000