본문 바로가기

인공지능

 (142)
LLM 기반 AI 에이전트의 심층 탐구: 차세대 자율 시스템의 가능성 최근 LLM(Large Language Model) 기반 자율 에이전트 시스템이 학계와 산업계에서 큰 주목을 받고 있다. AutoGPT, GPT-Engineer, BabyAGI와 같은 프로토타입들은 LLM이 단순히 텍스트 생성을 넘어 복잡한 문제 해결 도구로서 활용될 수 있음을 보여주고 있다. 이러한 접근은 LLM의 활용 범위를 크게 확장시키며, 다양한 문제 도메인에서 새로운 솔루션을 제공할 수 있는 가능성을 제시한다. 본 블로그에서는 LLM 기반 AI 에이전트 시스템의 주요 구성 요소와 그 적용 사례에 대해 심도 있게 탐구하고자 한다.LLM 기반 자율 에이전트 시스템 개요LLM 기반 자율 에이전트 시스템은 LLM을 에이전트의 핵심적인 지능으로 활용하며, 여러 보조적 구성 요소를 통해 기능을 확장한다. ..
AI 글쓰기의 미래: Claude의 Styles 기능으로 맞춤형 창작 경험을 시작하세요 AI와 함께 글을 쓴다는 것은 단순히 텍스트를 생성하는 것을 넘어 더 깊은 수준의 협업을 의미합니다. Claude는 다른 생성형 AI들과 차별화된 강력한 글쓰기 능력을 바탕으로 사용자 맞춤형 커뮤니케이션을 제공합니다. 이번에 새롭게 도입된 'Styles' 기능은 이러한 Claude의 강점을 한층 더 강화하며, 사용자들에게 개인화된 글쓰기 경험을 제공합니다.Claude의 기존 강점과 차별화 요소Claude는 출시 초기부터 맥락 이해, 논리적 구조화, 그리고 일관된 톤 유지에서 탁월한 성능을 보여왔습니다. 다른 생성형 AI들이 텍스트 생성에만 집중하는 반면, Claude는 글쓰기의 목적과 청중을 고려하여 최적의 문장을 만들어내는 데 주력해왔습니다. 특히 업무, 학술, 기술 문서와 같은 다양한 분야에서 Cla..
기존 RAG의 한계를 넘어: GraphRAG로 확장된 LLM 데이터 분석의 새로운 시대 대형 언어 모델(LLM)의 주요 도전 과제 중 하나는 학습하지 않은 데이터에도 문제 해결 능력을 적용하는 것입니다. 이는 새로운 데이터 탐구의 가능성을 열어주며, 데이터셋의 맥락과 기반에 따라 주제나 의미론적 개념을 식별할 수 있는 능력을 제공합니다. Microsoft Research에서 개발한 GraphRAG는 이러한 LLM의 능력을 확장하여 문서 분석 성능을 크게 향상시키는 혁신적인 접근 방식입니다.기존 RAG 방식의 한계와 GraphRAG의 필요성Retrieval-Augmented Generation(RAG)은 사용자 쿼리에 따라 정보를 검색하고 이를 AI가 생성한 응답에 참고하는 기술입니다. 대부분의 RAG 접근법은 벡터 유사성을 검색 기법으로 사용하지만, 기존 RAG 방식에는 여러 한계가 존재합..
벡터 DB에서 유사도 측정하기: 다양한 접근법과 활용 빅데이터 환경에서 데이터 간의 관계를 파악하고 검색하는 능력은 데이터 분석의 핵심입니다. 벡터 데이터베이스는 데이터를 벡터 형태로 저장하고, 벡터 간의 유사도를 계산하여 유사성을 평가하고 탐색합니다. 이번 글에서는 벡터 간 유사도를 측정하는 주요 방법과 각 방법의 특성 및 장단점을 논의하고자 합니다. 이러한 방법을 이해하면, 빅데이터 분석이나 인공지능 응용에서 데이터 유사성을 평가하고 효율적으로 탐색할 수 있는 기반을 마련할 수 있습니다.1. L2 거리 (유클리드 거리)개념 요약: L2 거리는 두 벡터 사이의 직선 거리를 측정하는 방식으로, 벡터의 크기와 방향을 모두 고려합니다. 물리적 거리나 실제 공간에서의 차이를 평가하는 데 적합합니다. 이는 벡터 간의 절대적 거리를 직관적으로 나타내며, 다양한 고차..
AI가 스스로 발전하는 데이터셋, WizardLM: LLM 학습의 새로운 패러다임 인공지능 모델의 성능을 향상시키기 위해 가장 중요한 요소는 무엇일까요? 바로 양질의 데이터입니다. 하지만 이러한 데이터를 수집하고 구축하는 데는 막대한 시간과 비용이 소요됩니다. 그렇기 때문에 데이터의 질과 양을 모두 충족시키기 위해서는 새로운 접근 방식이 필요합니다. 그래서 등장한 것이 바로 WizardLM입니다. 이 글에서는 AI가 스스로 데이터를 학습하고 생성하는 방법인 WizardLM의 개념과 그 특징, 그리고 이러한 방식이 어떻게 AI 모델 학습에 기여할 수 있는지에 대해 자세히 알아보겠습니다.WizardLM이란 무엇인가?WizardLM은 대규모 언어 모델(LLM)을 학습시키기 위한 데이터를 자동으로 생성하고 점진적으로 진화시키는 방식을 제안합니다. 핵심은 LLM이 스스로 지시문을 만들어내고, ..
내 노트, 나보다 더 잘 아는 AI? Smart Composer로 만나보세요! 매번 ChatGPT에게 질문할 때, 맥락을 다 설명해야 한다는 점이 너무나도 번거롭죠. 특히나 내가 이미 정리해 둔 Obsidian 노트들에 있는 정보라면, 반복 설명의 시간과 노력이 너무 아깝습니다. 그런 고민을 해결하기 위해 탄생한 Obsidian 플러그인, 바로 Smart Composer를 소개합니다. 이 도구는 여러분의 노트에 담긴 맥락을 스스로 이해하고, 더 나아가 효율적으로 글쓰기를 도와주는 AI 도우미입니다.Smart Composer의 탄생 배경: ChatGPT Canvas와 Cursor AI로부터의 영감Smart Composer는 Cursor AI와 ChatGPT Canvas로부터 영감을 받아 탄생했습니다. 두 AI 시스템이 사용자 경험을 중심으로, 사용자에게 최적의 문맥 지원을 제공하려는..
GLM-4: Llama3를 능가하는 멀티모달 오픈소스 AI의 등장 최근 Zhipu AI는 고성능 멀티모달 대규모 언어 모델(MLLM)인 GLM-4를 공개하며, 다양한 언어와 고해상도 이미지 입력을 지원하는 기술적 진보를 선보였습니다. 본 논문은 GLM-4의 오픈소스 버전을 중심으로 그 특성과 성능을 고찰하고자 합니다. GLM-4는 AI 연구자와 개발자에게 첨단 AI 기능을 보다 쉽게 활용할 수 있도록 하는 것을 목표로 하며, AI의 가능성을 탐구하고 응용할 수 있는 폭넓은 기회를 제공합니다. 이러한 오픈소스화는 기술 공유를 통해 연구자들이 자유롭게 모델을 실험하고 발전시킬 수 있는 중요한 발걸음입니다.Zhipu AI와 GLM-4의 출현 배경GLM-4는 Zhipu AI에서 개발한 최신 오픈소스 대규모 언어 모델 시리즈의 일환으로, 글로벌 AI 연구 공동체에 중요한 혁신을..
TiDB Vector 기반 오픈 소스 솔루션, AutoFlow: 지식 그래프의 새로운 진화 오늘 소개할 기술은 PingCAP의 AutoFlow입니다. AutoFlow는 TiDB Vector와 LlamaIndex, 그리고 DSPy 위에 구축된 오픈 소스 지식 그래프(GraphRAG) 솔루션으로, 다양한 검색과 데이터 관리 문제를 효과적으로 해결하는 데 중점을 둔 도구입니다. 이 글에서는 AutoFlow의 구성 요소와 기능, 그리고 어떤 솔루션과 함께 동작하는지에 대해 알아보겠습니다.AutoFlow와 함께 동작하는 솔루션들AutoFlow는 지식 그래프를 구축하고 검색 기능을 강화하기 위해 다양한 오픈 소스 기술 스택을 활용합니다. 주요 기술 스택은 다음과 같습니다:TiDB: 채팅 기록, 벡터, JSON 및 분석 데이터를 저장하는 데이터베이스입니다. 고속의 트랜잭션 처리와 뛰어난 확장성을 갖춘 Ti..

티스토리툴바