반응형 -327 랭체인으로 RAG 개발하기: VectorRAG & GraphRAG ※ 도서 협찬: 본 글은 길벗 출판사로부터 '랭체인으로 RAG 개발하기: VectorRAG & GraphRAG' 도서를 제공받아 제작되었습니다.AI, 똑똑하게 답변하게 만드는 비법이 궁금해요? RAG 기술 파헤치기!AI가 가끔 엉뚱한 대답을 해서 당황한 적이 있나요? 마치 시험을 볼 때 답을 제대로 모르는 것처럼 말이죠. 왜 AI는 우리가 원하는 정확한 답변을 주지 못할 때가 있을까요? 1. AI가 엉뚱한 대답을 할 때, 왜 그럴까요?AI, 특히 llm은 몇 가지 한계를 가지고 있습니다.첫째, 최신 정보를 잘 모를 수 있어요. 학습이 끝난 시점 이후의 정보는 알 수 없기 때문이죠. 최신 뉴스를 물어보면 모른다고 대답할 수 있어요.둘째, 특정 데이터에 대한 지식이 부족합니다. 만약 우리 회사 내부 데이터에.. 2025. 7. 13. WebSailor: Navigating Super-human Reasoning for Web Agent 원문: https://arxiv.org/pdf/2507.02592github: https://github.com/Alibaba-NLP/WebAgent GitHub - Alibaba-NLP/WebAgent: 🌐 WebAgent for Information Seeking bulit by Tongyi Lab: WebWalker & WebDancer & WebSailor http🌐 WebAgent for Information Seeking bulit by Tongyi Lab: WebWalker & WebDancer & WebSailor https://arxiv.org/pdf/2507.02592 - Alibaba-NLP/WebAgentgithub.com Abstract웹에서 복잡한 정보를 찾는 일에서 인간보다.. 2025. 7. 6. [나는 리뷰어다] 러닝 랭체인 "한빛미디어 서평단 활동을 위해서 책을 협찬받아 작성된 서평입니다." "LangChain을 제대로 이해하고 프로젝트에 바로 적용할 수 있는 실전 가이드!"최근 AI 개발 분야에서 가장 주목받는 도구 중 하나가 LangChain입니다. 하지만 정작 실무에서 LangChain을 어떻게 체계적으로 배우고 적용할지 막막하던 차에, 『러닝 랭체인』을 만나 명쾌한 해답을 찾게 되었습니다.📌 책의 구성과 특징『러닝 랭체인』을 읽으면서, 크게 4개의 파트로 나누어져 있다고 느꼈습니다.파트 1: 기초 다지기 (프롬프팅과 LLM)- 0장: AI와 거대 언어모델(LLM)의 개념을 소개하고, 다양한 프롬프트 기법을 설명합니다.- 1장: 랭체인을 활용한 LLM 호출 및 동적 입력 처리 방법을 다룹니다. LangChain의 .. 2025. 6. 29. ProtoReasoning: Prototypes as the Foundation forGeneralizable Reasoning in LLMs 원문: https://arxiv.org/pdf/2506.15211 AbstractAI가 추론을 더 잘하도록 만드는 새로운 방법을 제안하는 논문 핵심 아이디어: AI가 서로 다른 분야의 문제를 잘 푸는 이유는 모든 문제 뒤에 공통된 "추론 패턴"이 있기 때문ProtoReasoning 방법문제를 간단한 형태로 변환: 복잡한 자연어 문제를 Prolog나 PDDL 같은 컴퓨터가 이해하기 쉬운 형태로 바꿉니다자동 검증: 답이 맞는지 컴퓨터가 자동으로 확인해줍니다무한 확장: 이 방식으로 새로운 문제를 계속 만들어냅니다결과논리 추론: 4.7% 향상계획 수립: 6.3% 향상일반 추론: 4.0% 향상수학: 1.0% 향상기여점: AI가 단순히 암기가 아니라 진짜 "추론 패턴"을 학습하게 되어, 새로운 종류의 문제도 더 잘.. 2025. 6. 22. 이전 1 2 3 4 5 6 7 ··· 82 다음 반응형
