딥시크(DeepSeek)에 이어 마누스(MANUS) 까지 – 다원화되는 중국 오픈소스 LLM 생태계
딥시크(DeepSeek)에 이어 마누스(MANUS) 까지 – 다원화되는 중국 오픈소스 LLM 생태계
딥시크와 마누스의 등장으로 중국 오픈소스 LLM 생태계가 빠르게 다원화되고 있음을 정리했습니다. 딥시크는 고성능 개방형 LLM, 마누스는 자율 에이전트라는 서로 다른 방향을 보여주었습니다.
#LLM#오픈소스
80005분
새로운 기술 블로그가 추가되었어요
필터 0
African Credit Scoring Challenge 2위 수상 인터뷰
African Credit Scoring Challenge 2위 수상 인터뷰
밸런스히어로 데이터사이언티스트의 ZINDI 2위 수상 경험을 인터뷰로 소개했습니다. 신용평가 도메인 지식과 피처 파이프라인이 성과의 핵심이었습니다.
#LLM#NLP
0005분
AI에서의 음향 서비스와 기술: AUTO야 잘들려?
AUTO의 차량 내 음성 서비스 품질을 높이기 위해 잡음과 왜곡 요인을 분석하고 평가했습니다. 또한 POLQA 같은 객관적 지표로 음성 품질 판단 신뢰도를 높였습니다.
#음성 품질#음향 기술
64005분
Claude Desktop으로 MCP를 연결해보자
Claude Desktop에 MCP를 연결하는 방법과 기본 설정 과정을 설명했습니다. 파일시스템부터 다양한 외부 서비스까지 LLM 연동 범위를 넓히는 활용 예시를 정리했습니다.
#MCP#Claude Desktop
18005분
애니메이션에서 찾아보는 디지털 트윈 기술 - 뼈대구성에서 모방학습까지
애니메이션 제작 흐름을 통해 디지털 트윈을 사람에게 적용하는 관점을 소개했습니다. CAD, Mesh, GLTF, USD 개념을 함께 살펴보는 기술 개념 글입니다.
#디지털 트윈#언리얼엔진
6005분
난생처음 AI 경험기 - OpenAI API 를 사용한 Hello World 를 작성해 보기
AI 시대 흐름에 맞춰 LLM과 LangChain의 개념, 한계를 처음 정리한 글입니다. OpenAI API와 Colab으로 gpt-3.5-turbo를 호출하는 간단한 실습도 소개했습니다.
#LLM#LangChain
182005분
AI로 생성한 이미지는 어떻게 평가할까요? (기본편)
생성 이미지 평가는 정답이 없어 품질과 프롬프트 일치율을 함께 보는 접근이 필요했습니다. FID, CLIP Score, Aesthetic Score 등 다양한 지표의 특징과 한계를 정리했습니다.
#ML#GAN
154005분
Amazon Bedrock을 활용한 연말정산 업무 효율화: 메타넷사스의 MetaPay가 전년대비 생산성을 3.8배 향상한 사례
Amazon Bedrock과 Claude 3 Haiku로 연말정산 Q&A 챗봇을 구축해 문의 대응을 개선했습니다.\n구조화 데이터와 프롬프트 최적화를 통해 직접 문의를 약 40% 줄이고 생산성을 높였습니다.
#Amazon Bedrock#생성형 AI
76005분
Actionable Agent. 그리고 Open AI Operator
Actionable Agent와 OpenAI Operator의 개념, 동작 방식, 장단점을 정리한 글입니다. 반복 작업 자동화의 가능성과 현재 한계도 함께 살펴봅니다.
#LLM#자동화
132005분
이번 주에 낚시대는 얼마일까?
여러 가격 모델의 결과를 Multi-Armed Bandit과 Thompson Sampling으로 통합하는 방식을 소개했습니다. 최근 성과를 반영하는 sliding window와 scoring으로 최종 할인율을 선택했습니다.
#Machine Learning#Bayesian Statistics
134005분
Chain-of-Draft(CoD): 더 적게 쓰고 더 빠르게 생각하면서 LLM 추론 성능을 높이는 기법에 대한 연구 (feat. Zoom)
Chain-of-Draft는 LLM이 핵심만 간결하게 추론하도록 유도해 토큰 사용량과 지연 시간을 줄이는 프롬프팅 기법을 소개했습니다. 다양한 벤치마크에서 CoT와 비슷한 정확도를 유지하면서도 효율을 높인 결과와 한계를 함께 정리했습니다.
#LLM#NLP
114005분
정보유출 걱정 없이 DeepSeek VLM 모델 로컬 환경에서 구축하기
DeepSeek VLM 모델을 정보유출 걱정 없이 로컬 환경에서 구축하는 방법을 다룹니다. 민감한 데이터를 다루는 경우 로컬 실행을 통한 보안 확보를 고려할 수 있습니다.
#LLM
11005분