AI·머신러닝
AI 이론, 머신러닝·딥러닝 개념
293 POSTS · 5 / 10
Fisher Alignment으로 보는 어휘 스케일 LLM 정렬과 학습 이론
ICML 2026 Fisher Alignment과 COLT 2026 반공간 절단 가우시안 학습 연구를 바탕으로 LLM 정렬, 소스 선택, 샘플 복잡도를 정리한다.
2026-08-02
Google Agentic RAG의 멀티홉 검색과 충분성 검증 구조
Google Agentic RAG가 멀티에이전트 협력, 쿼리 재작성, 교차 코퍼스 검색, 충분성 판단으로 복잡한 질의를 처리하는 구조를 분석한다.
2026-08-02
하네스 엔지니어링으로 설계하는 AI 에이전트 실행 환경
도구 레지스트리, MCP 서버, 오케스트레이션, 격리 샌드박스를 결합해 AI 에이전트 실행 환경을 설계하는 하네스 엔지니어링 아키텍처를 정리한다.
2026-08-02
HLE v2 벤치마크 신뢰성: 오류 검증과 재측정 방법론
HLE v2가 문항과 정답의 오류를 검증·수정하고, LLM 능력 상한을 재현 가능하게 재측정하는 방법론과 활용 기준을 다룬다.
2026-08-02
ICML 2026 서울과 Fisher Alignment: LLM 소스 선택의 이론과 기업 AI 채택
ICML 2026 서울 개최와 Fisher Alignment, FisherSketch의 어휘 규모 LLM 전이 가능성 진단 방식, 기업 AI 채택 동향을 정리한다.
2026-08-02
하네스 엔지니어링으로 설계하는 신뢰 가능한 AI 에이전트 제어 시스템
프롬프트와 컨텍스트를 넘어 AI 에이전트의 도구, 검증, 가드레일, 메모리와 관찰성을 통합하는 하네스 엔지니어링을 설명한다.
2026-06-10
GAM 메모리 아키텍처로 컨텍스트 부패 다루기
긴 세션에서 LLM 성능을 떨어뜨리는 컨텍스트 부패와 GAM의 메모라이저·리서처 역할 분리, 계층형 메모리 설계를 설명한다.
2026-05-08
ICLR 2026 Outstanding Papers: 트랜스포머 간결성 이론·ParaRNN 병렬화·SimpleFold 단백질 폴딩
ICLR 2026 Outstanding Paper로 선정된 트랜스포머 표현력 이론, 비선형 RNN 병렬 훈련, 범용 아키텍처 기반 단백질 폴딩 연구의 핵심 내용을 정리한다
2026-05-03
HyperAgents와 자기참조형 AI 에이전트의 자기 수정 구조
HyperAgents의 자기참조 구조와 DGM-H의 메타인지적 자기 수정, 아카이브 기반 탐색 및 안전성 과제를 정리한다.
2026-04-17
GAN·VAE·Diffusion, 무엇을 왜 골라야 하는가 — 생성형 AI 모델 아키텍처 비교
GAN·VAE·Diffusion Models의 학습 메커니즘과 품질·속도 트레이드오프를 비교하고, Stable Diffusion·DALL-E를 실무에 적용할 때의 선택 기준과 최적화 포인트를 정리한다.
2025-12-11
초거대 AI 도입 전략: 파운데이션 모델 선택부터 비용 모델까지
파운데이션 모델의 아키텍처·학습·서빙·거버넌스를 실무 관점에서 정리하고, 자체학습·파인튜닝·상용 API 세 옵션의 트레이드오프와 비용 계산 예시를 다룬다.
2025-12-09
퍼지 논리로 다루는 불확실성과 규칙 기반 추론
퍼지 집합과 퍼지 논리의 소속함수, 규칙 추론, 비퍼지화 과정을 정리하고 제어·평가·추천·신호처리 활용을 살펴봅니다.
2025-10-14
생성 모델 선택 기준: Score-Based·Normalizing Flow·Energy-Based
Score-Based Models, Normalizing Flows, Energy-Based Models의 학습 방식과 우도, 샘플링, 운영 트레이드오프를 비교한다.
2025-10-14
객체 검출과 이미지 분할 모델의 설계·운영 전략
YOLO·Faster R-CNN·U-Net 기반 이미지 분석 시스템의 데이터 관리, 학습, 추론 서빙, 품질 모니터링과 운영 선택 기준을 정리한다.
2025-10-14
불균형 데이터 분류에서 SMOTE·비용 민감 학습·EasyEnsemble 선택법
불균형 데이터 분류에서 SMOTE, 비용 민감 학습, EasyEnsemble의 특성과 검증·임계값 운영 전략을 정리합니다.
2025-10-14
Few-shot Learning: 적은 데이터로 학습하는 접근법들
N-way K-shot 문제 정의부터 전이학습·메타러닝·거리 기반 학습·액티브 러닝·생성 모델까지 Few-shot Learning의 주요 접근법과 실제 적용 사례, 도전과제를 정리한다.
2025-05-23
GAN이 가짜를 진짜처럼 만드는 법: 생성자와 판별자의 적대적 학습
생성자와 판별자가 경쟁하며 학습하는 GAN의 목적함수·학습 과정과 DCGAN·CycleGAN·StyleGAN 등 주요 변형, 활용 사례와 윤리적 쟁점을 정리한다.
2025-05-23
경사하강법: 기울기를 따라 손실을 최소화하는 법
손실함수의 기울기를 따라 파라미터를 갱신하는 경사하강법의 작동 원리와 배치·SGD·미니배치, 모멘텀·Adam 등 개선 기법을 정리한다.
2025-05-23
기울기 소실: 깊은 신경망에서 기울기가 사라지는 이유와 막는 법
역전파 중 기울기가 지수적으로 줄어드는 기울기 소실의 수학적 원인과 ReLU·가중치 초기화·정규화·잔차 연결 해결책, ResNet·Transformer 적용 사례를 정리한다.
2025-05-23
GRU의 리셋·업데이트 게이트 구조와 LSTM 대비 트레이드오프
리셋·업데이트 두 게이트로 LSTM을 단순화한 GRU의 구조와 매개변수·성능 트레이드오프, 실제 응용을 정리한다.
2025-05-23
홀드 아웃(Hold-out): 데이터를 한 번만 나눠 검증하는 방법과 그 한계
홀드 아웃 방식의 구현 절차와 분할 비율·계층적 샘플링·시간적 분할 같은 실무 고려사항, 그리고 3-way 분할과 교차검증 결합까지 정리한다.
2025-05-23
하이퍼파라미터, 알고리즘마다 무엇을 조정하고 어떻게 찾는가
선형회귀부터 신경망까지 알고리즘별 하이퍼파라미터 목록과 그리드·랜덤·베이지안 탐색 코드, 금융·제조·의료 도입 사례의 실제 성능 개선 수치를 정리한다.
2025-05-23
소량 데이터 학습을 위한 메타러닝: MAML과 Prototypical Networks
MAML과 Prototypical Networks의 에피소드 학습 구조, 비용·확장성 차이, 소량 데이터 환경의 운영 전략을 정리한다.
2024-04-29
GAN·VAE·Attention으로 보는 생성 모델 학습과 운영
GAN, VAE, Attention의 학습 목표와 안정화 기법, 생성·추론 워크로드에서의 운영 선택 기준을 정리한다.
2024-04-29
GAT와 GraphSAGE: 그래프 신경망의 어텐션·귀납 학습 설계
GAT와 GraphSAGE의 메시지 패싱, 이웃 샘플링, 귀납 학습 구조를 비교하고 PyTorch Geometric 구현과 운영 설계를 정리한다.
2024-04-29
GCN과 GAT로 구현하는 그래프 러닝 노드 분류와 링크 예측
GCN·GAT의 메시지 패싱 방식과 노드 분류, 링크 예측 파이프라인을 데이터 품질·스케일링·보안 운영 관점에서 정리한다.
2024-04-29
생성 모델의 선택 기준: GAN·VAE·Diffusion·Normalizing Flows
GAN, VAE, Diffusion Models, Normalizing Flows의 학습 방식과 우도·품질·추론 지연 관점의 선택 기준을 정리한다.
2024-04-29
AdamW와 역전파로 설계하는 딥러닝 학습 최적화
Gradient-Based Optimization과 Backpropagation, AdamW의 갱신 구조를 바탕으로 학습률·정규화·재현성 관리 방식을 정리한다.
2024-04-29
그래프 신경망에서 GCN과 GAT를 선택하는 기준
그래프 신경망의 메시지 패싱 구조와 GCN·GAT의 차이, 확장 전략, PyTorch Geometric 구현을 실무 관점에서 정리한다.
2024-04-29
하이퍼파라미터 튜닝 전략: Grid Search·Random Search·Bayesian Optimization
Grid Search, Random Search, Bayesian Optimization의 탐색 방식과 검증·예산·재현성 관리 기준을 비교해 머신러닝 튜닝 전략을 정리한다.
2024-04-29