시각 언어 모델(Vision Language Model) 활용시 꼭 알아야 할 사실
VLM은 쉬운 공간 관계 문제도 자주 틀리는 한계가 있습니다. 현업 적용 전 정확성과 취약점을 충분히 검토해야 했습니다.
#LLM#ML
6500
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
당근의 엔지니어가 긴밀하게 협업하는 방법
광고 추천 ML 파이프라인 분리 프로젝트에서 긴밀한 협업 방식을 소개했습니다. 데일리 스레드, 페어프로그래밍, 랜덤 코드 리뷰로 맥락 공유와 지식 확장을 이끌었습니다.
#ML#GitHub Actions
14500
Windowing 기법을 적용한 대용량 고성능 표 컴포넌트 개발기
Windowing 기법을 적용한 대용량 고성능 표 컴포넌트 개발기
웹브라우저에서 대용량 데이터를 고성능으로 보여주기 위한 Windowing 기법과 React Virtualization을 소개했습니다. Big Table 구현 사례를 통해 성능 최적화 포인트와 한계도 공유했습니다.
#React#Virtualization
12900
랭턴의 개미와 마르코프 체인으로 보는 고객 채널 점유율 시뮬레이션
랭턴의 개미와 마르코프 체인으로 고객 채널 점유율 변화와 정상 상태 수렴을 시뮬레이션했습니다. 프로모션만으로는 한계가 있어 기본 전이 구조를 바꿀 필요가 있음을 보였습니다.
#Python#ML
11700
연간 LLM 호출 비용 25% 절감, 인턴이 도전한 시맨틱 캐싱 도입 기록
시맨틱 캐싱을 도입해 채팅 AI 메시지 추천의 LLM 호출 비용을 크게 줄인 사례를 소개했습니다. 오프라인과 온라인 검증을 통해 약 25% HIT 비율과 연간 2억 원대 절감 효과를 확인했습니다.
#LLM#cache
32700
Language Model의 새로운 패러다임? Large Language Diffusion Model!!
AR 언어모델의 한계를 보완하기 위해 Diffusion 기반 언어생성 접근을 소개했습니다. 학습과 추론 절차, 성능 강점과 한계까지 논문 관점에서 정리했습니다.
#LLM#NLP
8900
AI와 디지털 광고의 새로운 협력 모델 - Part 1. 광고소재
AI 발전으로 디지털 마케팅 전 과정을 통합 자동화할 가능성을 소개했습니다. 특히 광고 소재는 레이아웃 최적화와 배경 생성이 핵심이라고 설명했습니다.
#LLM#ML
5100
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
Open Thoughts - 추론 모델을 위한 데이터 레시피
추론 모델 학습용 데이터 레시피를 실험 중심으로 정리한 글입니다. 어려운 질문 선별, 다중 답변 생성, 데이터 확장이 성능 향상에 중요하다고 설명했습니다.
#LLM#NLP
6100
데이터는 흐른다, 연결될 준비가 되었다면
데이터는 흐른다, 연결될 준비가 되었다면
네이버 웹툰의 Cohort System으로 유저 세그먼트를 정의하고 액션 채널과 자동 연동하는 흐름을 소개했습니다. 데이터 추출부터 캠페인 활용까지의 구조와 사례를 함께 공개했습니다.
#data#ML
16400
밸런스히어로 AI 엔진이 대출금액을 산출하는 방법
밸런스히어로 AI 엔진이 대출금액을 산출하는 방법
소득증빙과 신용정보가 부족한 고객의 대출금액 산정 문제를 다뤘습니다. 대안데이터와 구간중도절단 추정으로 모든 신청자에 대한 승인금액 예측 방식을 소개했습니다.
#ML#대안 데이터
1200
AI 선생님과 제자의 대화: Teacher–Student 구조와 BERTScore, Classifier 활용법
Teacher–Student 구조를 지식 증류와 멀티턴 대화 학습 관점에서 설명했습니다. BERTScore, 코사인 유사도, Classifier로 검증하는 방법도 함께 정리했습니다.
#LLM#Knowledge Distillation
6800
올리브영 사용자 행동 데이터로 학습한 상품 유사도 언어 모델: 전통적 속성 기반 추천을 넘어선 의미론적 유사도 모델링
기존 속성 기반 상품 유사도 추천의 한계를 보완하기 위해 검색 로그를 활용한 의미론적 유사도 언어 모델을 설계했습니다. 신규 상품까지 포함한 학습과 정량 검증으로 추천 성능과 커버리지를 함께 개선했습니다.
#ML#추천
8100
당신이 보는 첫 화면은 어떻게 정해질까? 무신사 홈 배너 개인화 추천 이야기
무신사는 홈 배너 추천을 개인화하기 위해 HGNN, DeepFM, Two-Tower, Continual Learning을 활용한 파이프라인을 구축했습니다. 이를 통해 배너 표현력과 최신성, 스토어별 불균형 문제를 개선하며 CTR 성과를 높였습니다.
#ML#검색
11900
몰입의 시작을 만드는 그래픽 | Simplicity 4 제작기 #4
Simplicity 4의 세션 썸네일과 인트로 그래픽 제작 과정을 소개했습니다. 세션별 메타포 설계와 AI 활용으로 전체 경험의 통일성과 제작 효율을 높였습니다.
#UI/UX#LLM
7100