| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | 2 | 3 | 4 | 5 | 6 | 7 |
| 8 | 9 | 10 | 11 | 12 | 13 | 14 |
| 15 | 16 | 17 | 18 | 19 | 20 | 21 |
| 22 | 23 | 24 | 25 | 26 | 27 | 28 |
| 29 | 30 | 31 |
Tags
- BLEU
- Engineering at Anthropic
- CoT
- chain-of-thought
- context engineering
- rotary position embedding
- MHA
- Embedding
- RLHF
- Langchain
- Multi-Head Attention
- langgraph
- reinforcement learning from human feedback
- flashattention
- 트랜스포머
- re-ranking
- 토크나이저
- attention
- transformer
- PEFT
- fréchet inception distance
- test-time scaling
- catastrophic forgetting
- model context protocol
- self-attention
- extended thinking
- SK AI SUMMIT 2025
- Positional Encoding
- gqa
- MQA
Archives
- Today
- Total
목록Action (1)
AI Engineer 공간 "사부작 사부작"
LLM, 스스로 계획하고 행동하다: ReAct 프레임워크 파헤치기
프롬프트: LLM이 스스로 계획하고 도구를 사용하는 ReAct 프레임워크인공지능이 단순히 사람의 질문에 답하는 수동적인 존재에서, 스스로 생각하고 계획을 세워 능동적으로 문제를 해결하는 디지털 파트너로 진화하고 있습니다. 마치 숙련된 비서가 복잡한 업무를 체계적으로 처리하듯, 현대의 대규모 언어모델(LLM)은 이제 프롬프트를 통해 스스로 작업을 계획하고, 필요한 도구를 찾아 사용하며, 실시간으로 정보를 수집하여 최적의 해답을 도출할 수 있게 되었습니다. 이러한 변화의 중심에는 바로 '프롬프트 엔지니어링'과 'ReAct(Reason and Act)' 프레임워크가 있습니다. 단순한 지시문을 넘어 LLM에게 체계적 사고와 전략적 행동을 유도하는 이 기술들은 AI의 활용 범위를 폭발적으로 확장시키고 있습니다. ..
Theory/Prompting
2025. 5. 29. 08:23