| 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
- extended thinking
- 토크나이저
- fréchet inception distance
- reinforcement learning from human feedback
- CoT
- MQA
- Embedding
- langgraph
- Multi-Head Attention
- re-ranking
- model context protocol
- SK AI SUMMIT 2025
- catastrophic forgetting
- transformer
- Langchain
- chain-of-thought
- flashattention
- BLEU
- Engineering at Anthropic
- 트랜스포머
- RLHF
- gqa
- rotary position embedding
- Positional Encoding
- MHA
- self-attention
- context engineering
- PEFT
- attention
- test-time scaling
Archives
- Today
- Total
목록MOE (1)
AI Engineer 공간 "사부작 사부작"
전문가 혼합(Mixture of Experts, MoE) 아키텍처
MoE (Mixture of Experts): 거대 모델 시대의 효율적인 확장 전략인공지능(AI) 모델, 특히 대규모 언어 모델(LLM)의 발전은 눈부시지만, 모델의 크기가 커질수록 엄청난 연산 비용과 메모리 요구량이라는 현실적인 문제에 직면하게 됩니다. 마치 모든 분야에 통달한 단 한 명의 만능 전문가에게 모든 일을 맡기려 할 때 그 전문가가 과부하에 걸리는 것과 비슷합니다. 이러한 한계를 극복하기 위한 혁신적인 아키텍처 중 하나가 바로 '전문가 혼합(Mixture of Experts, MoE)' 모델입니다. MoE는 AI 모델을 보다 효율적으로 확장하고 운영할 수 있는 새로운 가능성을 제시하며, 이미 여러 최첨단 LLM에 성공적으로 적용되고 있습니다.이 글에서는 MoE 아키텍처의 핵심 개념과 작동 방..
Theory/LLM Architectures
2025. 5. 17. 14:34