AI 뇌를 위한 닭고기 수프: 라벨링
유튜브 퀴즈의 품질을 높이기 위해 좋은 질문의 기준을 세우고 라벨링 체계를 설계했습니다. 또한 전용 라벨링 툴과 QC 모델 학습 루프로 질문 생성 AI를 개선했습니다.
#LLM#데이터 라벨링#prompt
1600
모든 블로그
대표 인기 포스트React Server Component와 Streaming으로 웹 성능 극대화하기: Next.js 실전 가이드223 조회223 조회 AI AI
AI
AI
AI
AI
AI
AI
AI
AI
AI
AI
뤼이드
도메인medium.com
주요 카테고리 AI · 백엔드
활동 요약
- 최근 30일
- 0개
- 평균 조회
- 37
- 누적 조회
- 732
- 전체 글
- 20개
- 마지막 발행
- 2025. 6. 19.
뤼이드 기술 블로그 글 (12)
AI 교육 회사에서의 챗봇 브랜딩
AI 교육 서비스의 챗봇 루미를 브랜딩하며 정서적 연결성과 친근한 아이덴티티를 설계했습니다. 캐릭터 대신 눈 기반 심볼과 로고로 차별화해 2주 만에 베타 런칭용 브랜드를 완성했습니다.
#브랜딩#챗봇#GPT-4
2100
의도적으로 유저를 불편하게 만드는 경험 디자인 — Quizium 퀴즈 팝업 모드
Quizium의 두 퀴즈 모드를 비교하며 학습 몰입도와 자유도를 검증했습니다. 유저 테스트에서 불편한 팝업 모드가 오히려 학습 효과 측면에서 더 선호되었습니다.
#UX Design#유저 테스트#교육
2400
비즈니스 성과로 연결되는 AI 제품 개발 프로세스와 운영 지표
생성형 AI 제품은 일반 소프트웨어와 다른 개발 프로세스와 운영 지표가 필요했습니다. 비즈니스 목표와 모델 품질, 비용을 단계별로 연결해 관리하는 방법을 정리했습니다.
#프로덕트 매니지먼트#LLM#운영지표
2200
문제 생성 AI 서비스 Quizium, 브라질 출장에서 100명의 현지 교사들에게 소개하며
브라질 파라나주에서 Quizium을 100명의 교사들에게 소개하고 시연했습니다. 현지 피드백을 바탕으로 제품 개선과 글로벌 교육 혁신 방향을 점검했습니다.
#LLM#RAG#NLP
1900
뤼이드 NLP 연구원의 INTERSPEECH 2023 참가 및 포스터 발표 후기
INTERSPEECH 2023 참가와 포스터 발표 경험을 중심으로 음성 언어 처리 연구 동향을 정리했습니다. 데이터 부족, 음성 모델 활용, 벤치마크의 중요성을 다시 확인했습니다.
#NLP#LLM#음성 인식
1500
Riiid AI Newsletter_Aug
뤼이드 AI 뉴스레터 8월호는 EdSAFE AI Alliance 출범과 교육 AI의 신뢰·안전 기준 논의를 다뤘습니다. 에듀테크 수요와 AI 성능 측정 동향, 관련 논문·콘텐츠도 소개했습니다.
#에듀테크#EdSAFE AI Alliance#AIEd
2400
그래프 활용한 노드 간 관계 분석기술로 고도화된 지식추적모델 GKT(Graph-Based Knowledge Tracing)
GNN 기반 GKT의 집계·업데이트·예측 구조와 그래프 구성 방식을 소개했습니다. 공개 데이터셋에서 DKT보다 높은 AUC와 학습 개념 관계의 해석 가능성을 확인했습니다.
#GKT#GNN#knowledge tracing
3100
예제의 택스트까지 학습해 정오답예측 정확도 높인 모델 ‘EERNN’
문제 텍스트를 임베딩해 학습자의 정오답을 예측하는 EERNN 구조를 소개했습니다. Attention 기반 과거 문제 연관성 활용과 실험 결과를 분석했습니다.
#EERNN#지식 추적#Word2Vec
1300
인공지능 과학자의 꿈, ‘범용 AI’는 가능할까
인간 이상의 지적 능력을 목표로 하는 범용 AI의 현실 가능성을 살펴봤습니다. 기술 공포보다 사회적 수용 준비가 선행돼야 함을 강조합니다.
#범용 AI
1600
Riiid AI Newsletter_Jun
AIEd 포럼을 중심으로 AI 기반 교육격차 해소와 교육 현장 도입 준비를 소개했습니다. AI 운영 자동화 오픈소스와 정오답예측 모델의 설명 가능성 연구도 다뤘습니다.
#AIEd#AIOps#자동화
1700
복수의 개념을 동시에 학습할 때도 Knowledge Tracing을 가능하게 한 모델 ‘KTM’
Knowledge Tracing의 역할과 기존 단일 개념 문항 모델의 한계를 설명했습니다. 복수 개념을 반영하는 KTM의 구성과 성능 특성을 소개합니다.
#KTM#Knowledge Tracing#matrix factorization
1700