AI — 427개 용어

Ollama의 커스텀 모델 정의 파일. Dockerfile 유사.

반복 토큰에 페널티. 같은 단어·구 반복 방지.

Microsoft가 제공하는 OpenAI 모델. 엔터프라이즈 규정·네트워크 제어.

assistant-ui·CopilotKit·Deep Chat. 대화형 AI 앱 UI 라이브러리.

Google Gemini의 도구 호출. Code Execution·Grounding 내장.

RAG의 7단계: 문서 → 청크 → 임베딩 → 저장 → 검색 → 리랭킹 → LLM 생성.

에이전트가 자신의 출력을 자기 평가·개선하는 루프.

입력을 저차원으로 압축 후 복원하는 신경망. 차원 축소·이상 탐지·표현 학습에 활용.

한 스텝에서 처리하는 샘플 수. GPU 메모리·학습 안정성·최적화에 영향.

전체 학습 데이터를 한 번 통과하는 단위. 일반적으로 여러 에폭 학습.

모델이 읽는 외부 문서·웹에 숨겨진 악성 지시.

어려운 문제를 쉬운 하위 문제로 분해·순차 해결.

LLM 장기 메모리 프레임워크. OS 개념으로 메모리 관리.

LlamaIndex의 RAG 쿼리 엔진. Retrieval·Synthesis 자동.

LLM이 평가자일 때 생기는 편향. 길이·위치·자기 선호.

Pydantic 창시자가 만든 Python AI 에이전트 프레임워크. 타입 안전 강조.

Reason·Act·Observe 루프. 도구 사용 에이전트의 고전.

Reconfigurable Dataflow Unit. GPU 대체 LLM 칩.

강한 큰 모델의 출력으로 작은 모델을 학습. 비용·지연 개선.

에이전트의 단계·도구·비용 추적. LangSmith·Langfuse·Helicone.

WSE(Wafer Scale Engine) 거대 칩으로 LLM 학습·추론. 세계 최대 AI 칩.

OpenAI·Gemini·Claude의 심층 조사 에이전트 기능.

학습 중 무작위로 일부 뉴런을 비활성화해 과적합을 막는 정규화 기법.

텍스트에서 인명·지명·기관명 같은 개체를 인식·분류하는 NLP 작업.

오픈 웨이트·라이선스·학습 데이터 공개 임베딩 모델.

분산을 최대한 보존하며 차원을 축소하는 선형 기법. 시각화·전처리에 널리 사용.

변수를 포함한 재사용 가능한 프롬프트 구조. 애플리케이션 내 프롬프트 관리의 기본.

요약 품질 지표. Recall 기반 n-gram·LCS.

에이전트 간 제어·상태 이전. OpenAI Swarm·Agents SDK 패턴.

AI 코드 에이전트의 실제 편집 능력 평가.

Claude의 배치 API. 50% 할인. 1만 건·24시간.

LMSYS Chatbot Arena 난이도 높은 자동 평가셋.

Microsoft의 멀티 에이전트 프레임워크. Conversable Agent 패턴.

층마다 입력을 정규화해 학습을 안정화하는 기법. 이미지 모델의 표준.

프로젝트 단위 지식·지침 공유. 긴 컨텍스트·팀 공유.

Precision과 Recall의 조화 평균. 불균형 클래스 분류의 표준 지표.

학습·추론·데이터 준비 비용. RAG vs FT 결정의 핵심.

손실을 최소화하는 방향으로 가중치를 조정하는 최적화 알고리즘.

Groq의 Language Processing Unit. 초당 수백 토큰 추론.

LoRA 어댑터의 순위. 작으면 파라미터↓·표현력↓.

회귀 모델의 대표적 손실·평가 지표. 예측과 실제의 차이 제곱 평균.

중국 DeepSeek이 2025년 공개한 오픈소스 추론 모델. o1급 성능을 훨씬 낮은 비용으로 구현해 업계 충격.

두 응답을 비교 평가. 단일 평가보다 신뢰성.

LLM의 각 토큰 확률 로그. 신뢰도·분류·앙상블에 활용.

TypeScript·Python·Go MCP 서버·클라이언트 SDK.

특정 데이터가 학습에 포함됐는지 추론하는 공격.

DeepSeek V3·Mixtral 차세대 MoE. 더 많고 작은 전문가.

추론 연산을 늘려 품질 향상. reasoning·consistency.

오픈소스 LLM 관측성 플랫폼. 셀프호스팅 가능. LangSmith 대안.

RAG 특화 LLM 프레임워크. 데이터 인덱싱·검색·질의에 집중.