esmile1 님의 블로그

Flowise: LLM 앱을 쉽게 만들기 위한 도구Flowise는 사용자 정의 LLM(Large Language Model) 워크플로우를 쉽게 구축할 수 있는 드래그 앤 드롭 UI를 제공하는 오픈소스 도구입니다. 이 도구를 사용하면 복잡한 코딩 없이도 강력한 AI 애플리케이션을 만들 수 있습니다.주요 특징드래그 앤 드롭 인터페이스다양한 LLM 및 AI 도구 통합API 및 임베디드 위젯 지원오픈소스 및 로컬 LLM 지원다양한 배포 옵션 (로컬, Docker, 클라우드 등)설치 및 실행 방법Flowise를 설치하고 실행하는 방법은 크게 세 가지가 있습니다:NPM을 통한 전역 설치Git 저장소 클론Docker 이미지 사용여기서는 NPM을 통한 전역 설치 방법을 자세히 살펴보겠습니다.NPM 전역 설치 단계Nod..

LLM의 긴 컨텍스트 능력 확장하기: 로프(RoPE)와 포지션 임베딩의 진화서론대규모 언어 모델(LLM)의 발전과 함께 긴 컨텍스트를 처리하는 능력이 중요해지고 있습니다. 이 글에서는 LLM의 긴 컨텍스트 능력을 확장하는 방법, 특히 로프(RoPE, Rotary Position Embedding)와 다양한 포지션 임베딩 기법에 대해 살펴보겠습니다.포지션 임베딩의 기초절대 포지션 임베딩포지션 임베딩은 트랜스포머 모델에서 토큰의 순서 정보를 제공하는 중요한 요소입니다. 초기에는 절대 포지션 임베딩이 사용되었습니다.장점: 간단하고 직관적단점:학습되지 않은 토큰 위치에 대응하기 어려움토큰 간의 상대적 관계 파악이 어려움상대 포지션 임베딩이러한 단점을 보완하기 위해 상대 포지션 임베딩이 등장했습니다.장점:학습하지..

First Hill Trust Company: 투자 분석회사 개요First Hill Trust Company는 40년 이상의 역사를 가진 신뢰받는 금융 서비스 회사로, 직원 복지 관리 및 투자 전략을 전문으로 합니다. 이 회사는 다음과 같은 주요 서비스를 제공합니다:퇴직 연금 관리: 401(k), 403(b) 및 IRA와 같은 다양한 퇴직 계좌 관리신탁 및 수탁 서비스: 투자 전략, 규제 준수, 리스크 관리집합 투자 신탁(CIT): 비용 효율적인 포트폴리오 관리First Hill Trust는 고객 맞춤형 솔루션을 제공하며, 현재 약 700억 달러의 자산을 관리하고 있습니다.SWOT 분석강점 (Strengths)전문성: 40년 이상의 경험과 신뢰를 바탕으로 한 금융 서비스 제공다양한 고객 기반: 기업 및 ..

투자 성과 보고서 분석 및 포트폴리오 현황계좌 개요현재 계좌의 전반적인 상태를 살펴보면:시작 잔액: $5,227.16현재 계좌 가치: $5,509.28당기 가치 변동: $282.12당기 수익률: 5.44%연초대비 수익률: 14.83%투자 포트폴리오 구성현재 투자 배분American Funds Balanced Fund (RLBGX): 100% 배분총 투자금액: $5,509.28완전 투자된(Vested) 잔액: $5,509.28펀드 성과 분석주요 성과 지표현재 기간 수익률: 5.44%YTD 수익률: 14.83%1년 수익률: 26.27%3년 수익률: 7.25%5년 수익률: 9.65%10년 수익률: 8.77%비용 구조운용 비용펀드 운용보수(Expense Ratio): 0.25%당기 발생 비용: $2.00기준가격..

홍보자료_J.P. Morgan 투자 서비스 및 중개 상품 안내J.P. Morgan은 고객 여러분께 투자 사업에 대한 자세한 정보를 제공하고자 두 가지 중요한 문서를 공유해 드리고자 합니다. Form CRS(고객 관계 요약)와 투자 서비스 및 중개 상품 안내서에는 당사가 고객 여러분을 어떻게 모시는지, 어떤 투자 상품과 서비스를 제공하는지, 수수료와 비용은 어떻게 되는지, 당사의 보상 체계와 잠재적인 이해상충 가능성에 대한 중요한 정보가 포함되어 있습니다.J.P. Morgan의 주요 투자 서비스브로커리지 계좌거래 기반 비용 구조고객이 최종 투자 결정권 보유증권 매매 지원계좌 관리 및 보관 서비스 제공투자 자문 서비스맞춤형 투자 전략 수립포트폴리오 관리정기적인 계좌 검토 및 조정랩 프로그램포괄적인 수수료로 ..

LLM 평가 방법: 객관식 문제를 중심으로서론인공지능 기술의 발전과 함께 대규모 언어 모델(Large Language Model, LLM)의 성능 평가가 중요한 이슈로 떠오르고 있습니다. 특히 객관식 문제를 통한 LLM 평가 방법은 모델의 능력을 측정하는 데 널리 사용되고 있습니다. 이 글에서는 LLM의 객관식 문제 평가 방법, 특히 로그 라이클리후드(Log-likelihood)와 컴플리션 파싱(Completion Parsing) 방식을 중심으로 살펴보겠습니다.LLM 평가의 중요성LLM의 성능 평가는 여러 가지 이유로 중요합니다:모델 성능 비교: 다양한 모델 간의 객관적인 성능 비교가 가능합니다.개선 방향 제시: 평가 결과를 통해 모델의 강점과 약점을 파악하고 개선 방향을 설정할 수 있습니다.사용자 신뢰..

AI 기반 검색 혁신: Reranker의 역할과 중요성서론검색 기술은 디지털 시대의 핵심 요소로, 지속적인 발전을 거듭해왔습니다. 최근 AI 기술의 발전으로 검색 패러다임이 '찾기'에서 '이해'로 변화하고 있습니다. 이러한 변화의 중심에 Reranker라는 혁신적인 기술이 있습니다. 이 글에서는 Reranker의 개념, 작동 원리, 그리고 검색 혁신에 미치는 영향에 대해 상세히 알아보겠습니다.검색 기술의 진화1. BM25: 키워드 기반 검색의 시작BM25(Best Matching 25)는 1990년대 초반에 개발된 키워드 기반 검색 알고리즘입니다. 이 알고리즘은 다음과 같은 요소를 고려합니다:TF (Term Frequency): 문서 내 검색어의 출현 빈도IDF (Inverse Document Frequ..

임베딩의 이해: 컴퓨터가 글을 이해하는 방법서론컴퓨터는 숫자밖에 다루지 못합니다. 그렇다면 어떻게 글을 이해할 수 있을까요? 이 글에서는 컴퓨터가 글을 이해하는 과정, 즉 임베딩에 대해 알아보겠습니다. 특히 자연어 처리(NLP) 분야에서 딥러닝을 이용한 초기 결과들을 중심으로 살펴보겠습니다.컴퓨터와 숫자컴퓨터는 사실 숫자도 제대로 이해하지 못합니다. 단지 전기 신호가 통했는지 안 통했는지만 알 뿐입니다. 우리가 특정 전기 신호의 패턴을 숫자라고 정의한 것일 뿐입니다. 따라서 컴퓨터가 다룰 수 있도록 모든 데이터를 숫자로 변환해야 합니다.이미지와 음성의 숫자 변환이미지는 본질적으로 숫자입니다. RGB 값으로 표현되는 각 픽셀이 숫자의 조합으로 이루어져 있습니다. 음성 역시 마찬가지입니다. 소리의 압력 변화..

MergeKit: 모델 병합의 새로운 패러다임소개MergeKit은 최근 AI 모델 개발 분야에서 주목받고 있는 혁신적인 도구입니다. 이 도구는 다양한 능력을 기존 모델에 더하거나 여러 태스크를 수행하는 모델들을 하나로 합치는 데 사용됩니다. 최근에는 단순한 도구를 넘어서 인스트럭션 모델의 성능을 높이는 데에도 활용되고 있어 그 중요성이 더욱 부각되고 있습니다[1].MergeKit의 주요 방법론MergeKit에는 다양한 방법이 있지만, 이 글에서는 세 가지 주요 방법에 대해 집중적으로 살펴보겠습니다:차 벡터(Task Vectors)타이즈(TIES)데어 타이즈(DARE TIES)1. 차 벡터(Task Vectors)차 벡터는 기존의 태스크 산술(Task Arithmetic) 방식과 유사하지만, 더 체계적이고..

ChatGPT의 새로운 기능: GPT-4o와 예약 작업ChatGPT가 최근 출시한 'GPT-4o with scheduled tasks' 베타 기능은 AI 비서의 역할을 한 단계 더 발전시켰습니다. 이 기능을 통해 사용자는 ChatGPT에게 미래의 작업을 예약하고 알림을 받을 수 있게 되었습니다. 이는 ChatGPT를 단순한 대화형 AI를 넘어 실제로 유용한 개인 비서로 만드는 중요한 진전입니다[1][5].주요 특징1. 작업 예약 기능GPT-4o with scheduled tasks를 사용하면 사용자가 원하는 시간에 특정 작업을 수행하도록 ChatGPT에게 지시할 수 있습니다. 이는 일회성 작업이나 반복적인 작업 모두에 적용됩니다[1][3].2. 다양한 플랫폼 지원이 기능은 웹, iOS, Android, ..