태그
#retrieval
7개 기사
models
임베딩과 생성: 모델이 하는 두 가지 일
"임베딩과 생성은 서로 다른 일입니다. 내 문제에 어느 쪽이 필요한지 아는 것이 제대로 작동하는 시스템에 가장 빨리 도달하는 길입니다."
#embeddings#generation#retrieval
06-15 11:41·7 분
research
검색 증강 생성(RAG), 제1원리에서 출발하기
RAG는 흔히 여러 도구를 쌓아 올린 스택으로 설명됩니다. 그걸 걷어내면 단 하나의 단순한 아이디어가 남습니다. 모델이 답하기 전에 알맞은 자료를 읽게 하라는 것입니다.
#rag#retrieval#embeddings
06-12 14:40·7 분
tools
프로젝트에 맞는 임베딩 모델 고르기
임베딩 모델 선택은 리더보드 순위보다 적합성의 문제입니다. 내 데이터와 예산에서 검색이 제대로 작동할지를 실제로 좌우하는 요소를 짚어봅니다.
#embeddings#retrieval#rag
06-09 12:22·7 분
models
모델에 지식 컷오프가 있는 이유
모델의 지식은 학습 시점에 얼어붙기 때문에 특정 날짜에서 멈춥니다. 왜 그런 일이 일어나는지, 그리고 도구로 어떻게 우회하는지 살펴봅니다.
#knowledge-cutoff#training-data#retrieval
05-25 16:26·7 분
use-cases
정말로 작동하는 문서 Q&A: 패턴과 함정
내 문서에 질문을 던지는 것은 가장 유용한 AI 데모이자 조용히 망치기 가장 쉬운 일입니다. 실전에서 살아남는 패턴들을 정리합니다.
#document-qa#rag#retrieval
05-20 19:40·7 분
tutorials
검색을 위한 문서 청킹 잘하기
검색은 청크만큼만 좋습니다. 올바른 구절이 온전하게, 맥락을 갖춘 채 돌아오도록 문서를 나누는 법을 소개합니다.
#chunking#retrieval#rag
04-29 19:38·7 분
tutorials
간단한 RAG 파이프라인 만들기: 개념으로 따라가기
검색 증강 생성(RAG)을 단계별로 차근차근 쌓아 올립니다. 마법도, 특정 스택도 없이 파이프라인의 형태와 중요한 결정만 다룹니다.
#rag#retrieval#embeddings
04-25 19:17·7 분