LLM/RAG
1. 한 줄 요약 LLM은 많은 문장을 학습해 사용자의 질문에 맞는 답변을 만드는 언어 모델입니다. 2. 쉽게 설명하면? LLM은 글을 많이 읽고 문장 패턴을 배운 글쓰기 보조 도구와 비슷합니다. 사용자가 질문하면 문맥을 보고 자연스러운 답변을 만듭니다. 3. 기술적으로는 무슨 뜻인가? LLM은 Large Language Model의 약자입니다. 텍스트를 작은 단위로 나누고, 앞뒤 관계를 계산해 다음에 올 표현을 … 더 읽기
1. 한 줄 요약 RAG는 외부 문서를 찾아 답변에 참고하는 방식이고, 파인튜닝은 모델의 답변 방식이나 작업 습관을 조정하는 방식입니다. 2. 쉽게 설명하면? RAG는 답변 전에 자료를 찾아보는 방식입니다. 파인튜닝은 모델에게 특정 업무 스타일을 추가로 익히게 하는 방식입니다. 3. 핵심 차이 구분 RAG 파인튜닝 목적 문서 참고 답변 방식 조정 장점 지식 반영이 쉬움 출력 형식이 … 더 읽기
1. 한 줄 요약 파인튜닝은 이미 학습된 AI 모델을 특정 목적이나 업무에 맞게 추가로 조정하는 방법입니다. 2. 쉽게 설명하면? 파인튜닝은 신입 직원에게 회사 업무 방식과 말투를 추가로 교육하는 것과 비슷합니다. 기본 능력은 이미 있지만, 특정 업무에 더 잘 맞도록 예시 데이터를 통해 조정합니다. 3. 기술적으로는 무슨 뜻인가? 기본 모델에 추가 학습 데이터를 넣어 원하는 답변 … 더 읽기
한 줄 요약 벡터DB는 문장이나 문서를 숫자 형태로 저장해 의미가 비슷한 내용을 찾는 데이터 저장 방식입니다. 쉽게 설명하면? 일반 검색은 같은 단어를 찾는 데 강하고, 벡터DB는 표현이 달라도 의미가 가까운 내용을 찾는 데 유리합니다. 왜 필요한가? AI 문서 검색이나 RAG 구조에서는 사용자의 질문과 관련 있는 문서를 빠르게 찾는 과정이 필요합니다. 벡터DB는 이 과정에서 관련 문서 … 더 읽기
1. 한 줄 요약 임베딩은 문장, 문서, 이미지 같은 정보를 숫자 벡터로 바꾸는 기술입니다. 2. 쉽게 설명하면? 임베딩은 컴퓨터가 의미를 비교할 수 있도록 내용을 숫자 좌표로 바꾸는 과정입니다. 의미가 비슷한 문장은 가까운 위치에 놓이고, 의미가 다른 문장은 멀리 떨어집니다. 3. 기술적으로는 무슨 뜻인가? 텍스트를 모델에 넣으면 여러 숫자로 이루어진 벡터가 나옵니다. 이 벡터는 문장의 의미를 … 더 읽기
LLM이 외부 문서를 참고해 답변하는 방식 1. 한 줄 요약 RAG는 AI 모델이 답변을 만들기 전에 외부 문서나 데이터에서 관련 정보를 찾아 함께 참고하게 하는 방식입니다. 2. 쉽게 설명하면? RAG는 시험을 볼 때 기억만으로 답하지 않고, 참고자료를 찾아본 뒤 답변하는 방식과 비슷합니다. 모델이 모든 정보를 외우고 있지 않아도, 필요한 문서를 검색해서 답변에 활용할 수 있습니다. … 더 읽기
