AI — 427개 용어

에이전트가 실제 웹사이트를 탐색·작업 수행하는 벤치마크.

모델의 안전 가드레일을 우회해 금지된 응답을 끌어내는 시도. DAN·역할극·이진 인코딩 등 기법 다양.

긴 프롬프트를 압축해 토큰·비용 절감. LLMLingua·요약 사전처리.

LLM API 호출의 입력·출력 토큰 한계. 모델마다 다름. 비용·지연에 직결.

Anthropic이 제안한 RAG 개선. 각 청크에 문서 맥락을 덧붙여 임베딩.

Stable Diffusion 공개사. 오픈 이미지·오디오·비디오 생성 모델.

모델이 데이터 패턴을 제대로 학습하지 못한 상태. 학습 정확도 자체가 낮음.

Rust 기반 고성능 에디터 Zed의 AI 통합. 공동 편집·AI 어시스턴트.

OpenAI·Anthropic 출신이 만든 로컬 전용 오픈소스 코딩 에이전트. 외부 API 호출 없이 로컬 모델만 사용.

Intel이 시작한 컴퓨터 비전 오픈소스 라이브러리. C++·Python 등 지원.

엔티티와 관계를 그래프로 표현한 지식 베이스. LLM과 결합해 정확도 향상.

Claude가 선호하는 구조화 프롬프트. <document>·<question> 등.

AI 생성 콘텐츠에 감지 가능한 표식. SynthID(Google)·C2PA.

57개 분야 시험 문제로 LLM을 평가. AI의 학문적 지식 측정 표준.

텍스트를 미리 정의된 범주로 분류하는 NLP의 기본 작업. 스팸 필터·토픽 분류 등.

OpenAI의 코드 생성 벤치마크. 164개 Python 함수 완성.

고품질 임베딩·리랭커 특화 업체. Claude/Anthropic 공식 추천.

Claude의 도구 호출. OpenAI와 유사하되 병렬 호출 지원.

Claude가 답변 전에 긴 내부 사고를 거치는 모드. o1 스타일의 reasoning 기능을 Anthropic 방식으로 구현.

MCP Prompts 프리미티브. 재사용 가능한 워크플로 템플릿.

수 초~수 분의 녹음 샘플로 특정인의 목소리를 합성하는 기술.

Anthropic이 제안한 정렬 방법. 사람 대신 AI가 헌법적 원칙으로 자기 출력을 평가·개선.

지시-응답 페어로 LLM을 파인튜닝하는 단계. RLHF의 1단계.

LLM으로 학습 데이터를 생성하는 기법. 저자원 언어·특수 도메인에 필수.

한 언어를 다른 언어로 번역하는 NLP 작업. Transformer 등장 후 품질 급상승.

큰 작업을 여러 LLM 호출로 분할. 단계별 개선.

LLM API 프록시 기반 관측 플랫폼. 코드 변경 최소화로 로깅·비용 추적.

MCP 통신 방식. stdio (로컬)와 SSE/WebSocket (원격).

LLM Ops 게이트웨이. Cache·fallback·analytics·guardrails.

AI가 평가자 역할을 해 사람 라벨을 대체. RLHF의 비용 대안.

생성자와 판별자가 경쟁하며 학습하는 생성 모델. 이미지 생성의 초기 혁명.

GPT-4o 실시간 음성 대화 API. WebRTC 기반 저지연.

적은 파라미터만 학습하는 파인튜닝 기법 총칭. Hugging Face PEFT 라이브러리.

DeepSpeed의 메모리 최적화. 옵티마이저 상태·그래디언트·파라미터를 GPU에 분산.

분류 결과를 TP·TN·FP·FN 4분면으로 정리한 표. 성능 분석의 기본.

Microsoft가 제안. LLM이 문서에서 지식 그래프를 구축한 후 그래프+벡터 검색.

모델의 역할·톤·제약을 설정하는 최상위 지시. 대화 전체에 영향.

오픈 모델 추론 플랫폼. 저비용·fine-tuning.

터미널 기반 AI 페어 프로그래머. Git 통합·다중 파일 편집.

Adobe·Microsoft·BBC 주도 콘텐츠 출처 표준. AI 생성 이미지에 메타데이터.

Anthropic의 에이전트 빌드 SDK. 도구·메모리·서브에이전트 패턴.

2026 LLM 스택: 모델 API·로컬 런타임·프레임워크·벡터DB·에이전트 플랫폼.

예측과 실제 차이의 절댓값 평균. MSE보다 이상치에 견고.

Long Context LLM의 정보 검색 능력을 평가하는 테스트. 긴 문서 중간에 숨긴 문장을 찾게 함.

한 번에 여러 도구 호출. Claude·OpenAI·Gemini 지원.

RAG 특화 평가 프레임워크. 4대 메트릭.

LLM을 표준 벤치마크로 자동 평가하는 프레임워크. lm-eval-harness가 대표.

0에 가까우면 결정적, 1 이상은 창의적. 작업별 권장값.

빠른 작은 모델이 예측·큰 모델이 검증. Anthropic 연구.

GPT-4로 평가. CoT로 평가 이유 생성·점수.