컨텍스트 윈도우
모델이 한 번에 참조 가능한 범위
자세히 보기SEARCH THE WIKI
용어, 오늘의 카드, 검증된 프롬프트를 한 번에 찾아보세요.
전체 콘텐츠18개
모델이 한 번에 참조 가능한 범위
자세히 보기모델이 사실이 아닌 내용을 생성
자세히 보기대량의 텍스트로 훈련되어 사람의 언어를 이해·생성하는 신경망 모델
자세히 보기모델 입력을 설계하는 기술
자세히 보기모델의 기본 행동을 정의하는 지시문
자세히 보기텍스트를 쪼갠 최소 단위
자세히 보기텍스트를 모델이 다룰 수 있는 단위(토큰)로 쪼개는 전처리 과정
자세히 보기너는 AI/LLM 강의의 출제자야. 아래 개념들을 바탕으로 객관식 문제 5개를 만들어줘. 각 문제는 보기 4개(정답 1개 포함)로 구성하고, 마지막에 정답과 함께 왜 다른 보기가 틀렸는지 한 줄씩 설명해줘. 개념 목록: {{예: 토큰화, BPE, 임베딩, 위치 인코딩}}
자세히 보기{{topic}}을(를) 5살 아이도 이해하게 설명해줘.
자세히 보기{{role}} 직군 면접 질문 5개를 난이도별로 만들어줘.
자세히 보기너는 AI를 처음 배우는 사람에게 어려운 개념을 쉬운 비유로 설명하는 선생님이야. 아래 개념을 중학생도 이해할 수 있게 일상적인 비유를 들어 3문단 이내로 설명해줘. 전문 용어를 쓸 때는 반드시 괄호 안에 원어를 병기해줘. 개념: {{설명할 개념, 예: 셀프 어텐션}}
자세히 보기다음 문장을 격식체로 다시 써줘: {{text}}
자세히 보기다음 기사를 3문장으로 요약해줘: {{article}}
자세히 보기오늘의 카드: LLM 기본 개념을 익혀봅니다.
자세히 보기텍스트가 토큰으로 어떻게 쪼개지는지 살펴봅니다.
자세히 보기프롬프트 엔지니어링 기본 원칙.
자세히 보기LLM은 '다음 단어가 뭘까'라는 단순한 게임을 수십억 번 반복해서 훈련됩니다. 정답 레이블을 따로 만들 필요 없이 텍스트 자체가 정답이 되는 자기 지도 학습이라, 인터넷 규모의 데이터를 그대로 훈련에 쓸 수 있는 것이 핵심입니다.
자세히 보기컴퓨터는 '고양이'라는 글자를 이해하지 못해도, [0.2, -1.3, 0.7...] 같은 숫자 벡터는 계산할 수 있습니다. 임베딩은 바로 이 변환을 담당하며, 훈련이 진행될수록 의미가 비슷한 단어의 벡터가 서로 가까워지도록 조정됩니다.
자세히 보기