| 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
- SK AI SUMMIT 2025
- flashattention
- self-attention
- RLHF
- Positional Encoding
- rotary position embedding
- gqa
- Embedding
- PEFT
- Langchain
- MQA
- re-ranking
- catastrophic forgetting
- CoT
- BLEU
- transformer
- chain-of-thought
- fréchet inception distance
- langgraph
- MHA
- extended thinking
- 토크나이저
- context engineering
- 트랜스포머
- reinforcement learning from human feedback
- Engineering at Anthropic
- test-time scaling
- model context protocol
- attention
- Multi-Head Attention
Archives
- Today
- Total
목록in-context learning (1)
AI Engineer 공간 "사부작 사부작"
인 컨텍스트 학습(ICL)과 모델 규모: 크기가 만들어내는 마법대규모 언어 모델(Large Language Models, LLM)의 세계는 마치 끊임없이 확장하는 우주와 같습니다. 그 안에서 발견되는 놀라운 능력 중 하나가 바로 인 컨텍스트 학습(In-Context Learning, ICL)입니다. ICL이란 LLM이 모델의 가중치(파라미터)를 전혀 변경하지 않고, 오직 프롬프트 내에 제시된 몇 개의 예시(이를 '퓨샷 샘플'이라고도 합니다)나 지시사항만을 보고 새로운 작업을 수행하거나 특정 방식으로 응답하는 능력을 의미합니다. 마치 우리가 새로운 보드게임의 규칙을 설명서 없이 몇 번의 시범 플레이만 보고 배우는 것과 비슷하죠. 기존의 머신러닝 모델이 특정 작업을 위해 방대한 데이터를 학습하고 모델 자체를..
Theory/Reasoning
2025. 5. 28. 22:11