jam 블로그

논문 내용을 팟캐스트처럼 ai로 만들었습니다. 대규모 언어 모델(LLMs)은 이제 챗봇, 코드 생성, 검색 엔진 등 다양한 분야에서 광범위하게 활용되고 있습니다. 하지만 LLM 추론(Inference) 과정은 모델 크기가 커짐에 따라 막대한 계산 비용과 높은 지연 시간(Latency)을 수반하는 핵심적인 과제입니다. 특히 Chain-of-Thought, 복잡한 추론, 에이전트 서비스와 같은 작업 부하는 모델을 반복적으로 호출하면서 추론 비용을 크게 증가시킵니다. 논문 A Survey on Inference Engines for Large Language Models: Perspectives on Optimization and Efficiency는 이러한 문제를 해결하기 위해 등장한 LLM 추론 엔진들에 ..

Q-Learning (1992): 이후 강화학습 분야의 대표적인 알고리즘 중 하나인 Q-Learning이 Watkins와 Dayan에 의해 제안됨. [논문: "Q-Learning", 1992] TD-Gammon (1995): 텐니스 게임에서의 자가 학습을 통해 세계 챔피언을 이긴 최초의 강화학습 모델인 TD-Gammon이 제안됨. [논문: "Temporal Difference Learning of Backgammon Strategy", 1995] DQN (2013): DeepMind에서 개발된 Deep Q-Network(DQN)은 딥러닝을 강화학습에 적용한 첫번째 모델로, Atari 게임에서 인간 수준의 성능을 보임. [논문: "Playing Atari with Deep Reinforcement Lear..

LeNet-5 (1998): 이미지 분류를 위한 최초의 합성곱 신경망 모델로, 손글씨 숫자 인식에 성공함. [논문: "Gradient-based learning applied to document recognition", 1998] SIFT (1999): 이미지에서 특징점을 검출하고, 이를 기초로 이미지를 비교하는 방법으로, 이미지 인식 분야에서 큰 역할을 함. [논문: "Distinctive Image Features from Scale-Invariant Keypoints", 1999] Bag-of-features (2004): 이미지의 전체적인 특징만을 고려하여 이미지를 분류하는 방법으로, 이미지 분류 분야에서 활용되었음. [논문: "An Introduction to the Bag-of-Feature..