🤖
AI — 427개 용어
LLM·에이전트·RAG·임베딩·프롬프트 등 AI 시대 필수 용어
GraphRAG👁 136
Microsoft가 제안. LLM이 문서에서 지식 그래프를 구축한 후 그래프+벡터 검색.
Image Segmentation👁 136
이미지의 각 픽셀을 클래스로 분류하는 CV 작업. 의료·자율주행에 필수.
LangChain Tools👁 136
LangChain의 도구 추상화. 에이전트가 호출할 함수.
LLM + MCTS👁 136
Monte Carlo Tree Search로 추론 트리 탐색. AlphaZero식 탐색 + LLM.
Microsoft Presidio👁 136
PII 탐지·익명화 오픈소스 SDK.
NVIDIA NIM👁 136
NVIDIA의 추론 마이크로서비스. 컨테이너로 즉시 배포.
Prompt Management👁 136
프롬프트를 코드 밖에서 관리. 버전·A/B·비개발자 편집.
Pydantic AI👁 136
Pydantic 창시자가 만든 Python AI 에이전트 프레임워크. 타입 안전 강조.
Self-Consistency👁 136
CoT를 여러 번 샘플링·다수결. 추론 정확도 향상.
Agent Handoff👁 135
에이전트 간 제어·상태 이전. OpenAI Swarm·Agents SDK 패턴.
Decision Tree👁 135
질문의 이진 분할로 예측하는 트리 기반 모델. 해석 가능성이 강점.
Gemini Thinking👁 135
Google의 reasoning 모델. 추론 토큰 공개.
Letta (MemGPT)👁 135
LLM 장기 메모리 프레임워크. OS 개념으로 메모리 관리.
LLM 평가 지표👁 135
BLEU·ROUGE·BERTScore·LLM-Judge·Pass@k.
Mixed Precision👁 135
학습 중 FP32와 FP16·BF16을 혼용해 속도·메모리 절감. 거의 필수.
Repetition Penalty👁 135
반복 토큰에 페널티. 같은 단어·구 반복 방지.
Aider Polyglot Benchmark👁 134
AI 코드 에이전트의 실제 편집 능력 평가.
Azure OpenAI Service👁 134
Microsoft가 제공하는 OpenAI 모델. 엔터프라이즈 규정·네트워크 제어.
Batch Size👁 134
한 스텝에서 처리하는 샘플 수. GPU 메모리·학습 안정성·최적화에 영향.
Completion API👁 134
LLM의 텍스트 생성 API. 현대엔 Chat Completions가 표준.
Context Caching👁 134
긴 프롬프트의 반복 부분을 캐시해 비용·지연을 절감. Claude·Gemini가 선도.
DPO vs PPO👁 134
선호 정렬 방법 비교. 단순성(DPO) vs 유연성(PPO).
Function Calling👁 134
LLM이 JSON 스키마에 따라 함수 호출을 생성하는 기능. OpenAI가 2023년 공식화.
Indirect Prompt Injection👁 134
모델이 읽는 외부 문서·웹에 숨겨진 악성 지시.
Interpretability👁 134
딥러닝 모델 내부 동작을 사람이 이해할 수 있게 분석하는 연구 분야.
LLM 출력 검증👁 134
환각·유해·JSON 스키마·금지어 체크.
LLM-as-Judge Pairwise👁 134
두 응답을 비교 평가. 단일 평가보다 신뢰성.
Log Probabilities👁 134
LLM의 각 토큰 확률 로그. 신뢰도·분류·앙상블에 활용.
LoRA Rank👁 134
LoRA 어댑터의 순위. 작으면 파라미터↓·표현력↓.
MCP Auth (OAuth 2.1)👁 134
MCP 서버의 OAuth 2.1 기반 인증. 2025년 3월 스펙 추가.
Multi-Query Retrieval👁 134
하나의 질문을 여러 관점으로 재작성해 검색하는 기법. 재현율 향상.
NER👁 134
Named Entity Recognition
텍스트에서 인명·지명·기관명 같은 개체를 인식·분류하는 NLP 작업.
OpenAI Assistants API👁 134
OpenAI의 스테이트풀 에이전트 API. Threads·Runs·Tools.
Question Answering👁 134
질문에 답변을 생성하는 NLP 작업. 추출형(문서에서 스팬)·생성형(LLM) 구분.
Roo Code👁 134
Cline 포크. VS Code에서 자율 에이전트 코딩.
SambaNova RDU👁 134
Reconfigurable Dataflow Unit. GPU 대체 LLM 칩.
Teacher-Student Distillation👁 134
강한 큰 모델의 출력으로 작은 모델을 학습. 비용·지연 개선.
Test-Time Compute👁 134
추론 시 더 오래 생각해 성능 향상. Scaling Law의 새 축.
Batch Normalization👁 133
층마다 입력을 정규화해 학습을 안정화하는 기법. 이미지 모델의 표준.
Best-of-N Sampling👁 133
N개 응답을 생성 후 최고를 선택. 단순하지만 효과적인 inference scaling.
C2PA👁 133
Content Credentials
Adobe·Microsoft·BBC 주도 콘텐츠 출처 표준. AI 생성 이미지에 메타데이터.
Delimiters👁 133
프롬프트 섹션을 구분자로 명확화. <input>·```·---.
Document AI👁 133
송장·영수증·계약서 같은 문서를 AI로 파싱. Google Document AI·AWS Textract.
Fine-tuning 비용 모델👁 133
학습·추론·데이터 준비 비용. RAG vs FT 결정의 핵심.
Guardrails 프레임워크👁 133
Guardrails AI·NeMo Guardrails·Llama Guard·OpenAI Moderation.
LLM Observability👁 133
LLM 호출·비용·품질을 추적·분석. LangSmith·Langfuse·Helicone·Arize.
LLM Test Set👁 133
LLM 앱 테스트 데이터셋. 회귀 방지·Prompt 개선 기준.
Mixture of Agents👁 133
MoA
여러 LLM의 응답을 종합해 최종 답변 생성. Together AI가 제안.
MSE👁 133
Mean Squared Error
회귀 모델의 대표적 손실·평가 지표. 예측과 실제의 차이 제곱 평균.
Ollama Modelfile👁 133
Ollama의 커스텀 모델 정의 파일. Dockerfile 유사.