글

라벨이 RAG(Retrieval-Augmented Generation)인 게시물 표시

🚀 AI & Tech 데일리 브리핑 (2026.03.30)

-
이미지
금융트렌드 🚀 AI & Tech 데일리 브리핑 (2026.03.30) AgileBus 2026. 3. 31. 08:13 # 🚀 AI & Tech 데일리 브리핑 (2026.03.30) 오늘의 글로벌 AI 시장은 플랫폼의 수익화 과제와 멀티 모델을 통한 기술적 돌파구가 핵심 키워드입니다. 최신 동향을 한눈에 확인하세요! --- 글로벌 빅테크 심층 분석 1. OpenAI ChatGPT 앱 플랫폼, 출시 6개월 만에 성장 정체 * **현황:** 300개 이상의 통합 서비스가 입점했음에도 불구하고, 실제 구매 전환으로 이어지는 채택률이 부진한 것으로 나타났습니다. * **대응:** 사용자들이 채팅 내에서 상품을 둘러보기만 하는 현상이 지속되자, OpenAI는 '즉시 결제(Instant Checkout)' 기능을 축소하고 파트너 앱 내 거래로 전략을 수정했습니다. * **이슈:** 에어비앤비 CEO 브라이언 체스키는 "아직 준비가 안 됐다"고 평가했으며, 개발자들 사이에서는 SDK 버그와 낮은 앱 검색 기능에 대한 불만이 제기되고 있습니다. 2. 마이크로소프트, '멀티 모델' 전략으로 신뢰성 확보 (Critique 공개) * **기술 혁신:** 리서치 초안은 **OpenAI의 GPT**가 작성하고, 검증은 **앤트로픽(Anthropic)의 Claude**가 수행하는 교차 확인 시스템 'Critique'를 선보였습니다. * **성과:** 이 방식은 DRACO 딥 리서치 벤치마크에서 단일 모델 대비 13.8%의 성능 향상을 기록하며 업계를 앞섰습니다. * **확산:** Claude 기반의 **Copilot Cowork** 에이전트를 '프런티어(Frontier)' 프로그램을 통해 더 많은 기업 고객에게 개방하며 점유율 확대에 나섰습니다. --- 📑 분야별 주요 뉴스 스크랩 1. [산업 지형] AI 시대, 데이터를 둘러싼 새로운 격차 * 스타트업의 데이터 접근성 부족이 시장 진입 장벽...
댓글 쓰기
Read more »
-
이미지
  [인공지능] Meta AI LLaMA 모델을 사용하여 주식 예측 프로그램 만들기 Meta AI (Facebook)의 LLaMA 모델을 사용하여 주식 예측 프로그램을 작성하는 방법을 소개하겠습니다. LLaMA 모델은 Meta에서 개발한 대규모 언어 모델로, 다양한 자연어 처리 작업에 활용될 수 있습니다. 주식 예측 프로그램을 작성하기 위해서는 주식 데이터를 가져오고, 이를 LLaMA 모델에 입력하여 예측을 수행하는 과정을 포함합니다. 다음은 Python을 사용하여 LLaMA 모델을 활용한 주식 예측 프로그램의 예제 코드입니다: import yfinance as yf import matplotlib.pyplot as plt import torch from transformers import LlamaForCausalLM, LlamaTokenizer # 주식 데이터를 가져오는 함수 def fetch_stock_data (ticker, start_date, end_date) : stock = yf.download(ticker, start=start_date, end=end_date) return stock # 주식 차트를 그리는 함수 def plot_stock_chart (stock_data, ticker) : plt.figure(figsize=( 12 , 6 )) plt.plot(stock_data[ 'Close' ], label= f' {ticker} Closing Price' ) plt.title( f' {ticker} Stock Price Chart' ) plt.xlabel( 'Date' ) plt.ylabel( 'Price' ) plt.legend() plt.grid() plt.show() # LLaMA 모델을 사용하여 주식 예측을 수행하는 함수 def analyze_s...
댓글 쓰기
Read more »

인공지능 GPT를 이해하는데 알아야 하는 용어들

-
이미지
[인공지능 GPT를 이해하는데  알아야 하는 용어들] GPT(Generative Pre-trained Transformer) LangChain LLM (Large Language Model, 거대 언어 모델) Vector Embedding(벡터 임베딩) Vector Database (벡터 데이터베이스) Tokenize (토큰화)     ■ GPT(Generative Pre-trained Transformer)   ChatGPT는 OpenAI에서 개발한 대화형 인공 지능 언어 모델입니다. GPT(Generative Pre-trained Transformer) 시리즈에 기반하고 있으며, 방대한 양의 텍스트 데이터를 사전 훈련하여 다양한 언어 작업을 수행할 수 있는 능력을 갖추고 있습니다.   ChatGPT는 사용자와 자연스러운 대화를 수행하며, 주어진 문맥에 따라 응답을 생성합니다. 이 모델은 이전 대화의 맥락을 이해하고 다양한 주제에 대해 토론하거나 정보를 제공할 수 있습니다. 또한 사용자의 언어 스타일을 학습하여 대화를 보다 자연스럽게 유지하려 노력합니다.   GPT-3.5, 혹은 그 이후의 버전을 기반으로 하는 ChatGPT는 매우 큰 규모의 모델로, 다양한 분야에서의 대화와 질문에 대응할 수 있습니다     ■  LangChain   LangChain은 개발자가 LLM(Large Language Model)을 이용해 엔드투엔드 애플리케이션을 구축할 수 있도록 설계된 강력한 프레임워크입니다.     ■  LLM (Large Language Model, 거대 언어 모델) LLM(Large Language Model)은 대규모 언어 모델로,  언어모델(LM)을 ...
댓글 쓰기
Read more »

이 블로그의 인기 게시물

Linux - Rsyncd 설치와 selinux 문제 해결법 (Centos8)

-
  Linux - Rsyncd 설치와 selinux 문제 해결법 (Centos8) #Rsyncd #Selinux #firewall-cmd #setsebool -P rsync_full_access  1 1. Rsyncd 설치와  selinux 문제 해결법 Centos8에 Rsync 를 설치하는데 아래와 같은 에러를 만났다. 예전 같이 Sellinux를 disabled 하면 바로 해결 되는 문제 이지만 이제는 sellinux 를 잘 사용하는 것도 중요한 것으로 보여 진다. 그 동안 우리는 보통 Selinux 가 disable 된 환경을 많이 사용해 왔기에 이런 에러를 해결하기 어려웠다. 일반적인 rsync 명령을 아래와 같이 실행했는데  rsync 명령은 에러가 발생되고 있을때 해결 방안이다. # 작동이 안되는 명령 $ rsync -ar --progress -n node2::WEB_APP /svc/web_app rsync: failed to connect to node2.im.com (192.168.56.104): No route to host (113) # 작동이 되는 명령 $ rsync -ar --progress -n node2:/svc/web_app /svc/web_app 아래와 같이 tail -f /var/log/message 에 다음과 같은 에러를 본다면 해결 방안이다. "Feb 23 07:04:46 node2 platform-python[8168]: SELinux is preventing /usr/bin/rsync from read access on the directory web_app. #012#012***** Plugin rsync_data (37.5 confidence) suggests ************************ #012#012If web_app should be shared via the RSYNC daemon ...
Read more »

chatGPT 응답 품질 점검 - Check outputs

-
이미지
  #chatGPT- hallucination #chatGPT_환각방지 #chatGPT_응답품질 #GPT_응답검증 #GPT_응답품질점검 #OpenAI환각 chatGPT 환각(Hallucination) 개선을 위한 응답 품질 점검 - Check outputs   인공지능의 환각 환각은 AI가 잘못된 데이터를 학습하거나 오류로 인해 도출한 결과를 믿을 수 없게 만든다는 것입니다. GPT의 창의적인 답변으로 원하는 결과를 전달하지 못하는 것으로  모델의 환각은 사실이 아닌것을 사실처럼 꾸며내는 것입니다. OpenAI의 응답 품질과 환각을 방지하기 위해서 형성된 모델의 결과를 검증해 보는 것이 중요합니다. 따라서 오픈AI는 주어진 쿼리에 대한 최종 답변에 보상하는 ‘결과 감독(outcome supervision)’ 대신 각각의 추론 단계별 답변에 보상하는 ‘과정 감독(process supervision)’ 방식으로 LLM을 훈련하는 것에 대하여 알아 보고자 합니다.   1. OpenAI 기본 소스를 작성 합니다.   1. 응답을 위한 기본 환경을 설정합니다. import openai openai.api_key = "{YOUR_API_KEY}" #* temperature=0 -> 1 클수록 응답의 창의성이 커집니다. def get_completion_from_messages ( messages, model= "gpt-3.5-turbo" , temperature= 0 , max_tokens= 500 ): response = openai.ChatCompletion.create( model=model, messages=messages, temperature=temperature, ...
Read more »

KrakenD API Gateway - krakend.json 파일의 기본 구조

-
KrakenD의 설정 파일인 `krakend.json`은 KrakenD API Gateway의 동작을 정의하는 중요한 파일입니다.  이 파일의 구조와 주요 요소를 설명해 드릴게요. ### krakend.json 파일의 기본 구조 ```json {   "$schema": "https://www.krakend.io/schema/v2.7/krakend.json",   "version": 3,   "endpoints": [],   "extra_config": {} } ``` - **$schema**: 선택 사항으로, IDE 통합을 통해 자동 완성 및 문서를 사용할 수 있게 합니다. - **version**: 필수 항목으로, 설정 파일 형식의 버전을 나타냅니다. 현재 버전은 3입니다. - **endpoints**: API 게이트웨이가 제공하는 엔드포인트와 관련된 백엔드 및 설정을 정의하는 배열입니다. - **extra_config**: Lura 프로젝트의 핵심 기능이 아닌 서비스 구성 요소의 설정을 저장합니다². ### 엔드포인트 설정 엔드포인트는 게이트웨이가 사용자에게 제공하는 URL을 정의합니다. 각 엔드포인트는 최소 하나 이상의 백엔드를 선언해야 합니다. ```json {   "endpoints": [     {       "endpoint": "/v1/foo-bar",       "backend": [         {           "url_pattern": "/foo",           "host": ["https://my.foo-api.com"]         },         {         ...
Read more »