분류 전체보기 (1907) 썸네일형 리스트형 [SK네트웍스 Family AI 캠프] 32기 14주차 회고: Day53 ~ Day55 + 7종합 회고목적수려한 문장체, 완벽한 기승전결을 중시하지않고 어디까지나 좋은 개발자로 성장하기 위 한 도구로써 지속가능한 주간회고록을 작성한다.요약회고1. 지난 일주일 동안 가장 인상 깊었던 배움에는, 초반에 흥미롭다고 느꼈던 GAN뿐만아니라 Stable Diffusion도 있다는것. 지금 현 세대 모델이 도대체 얼마나 많은걸까? 그동안 얼마나 AI분야를 외면해오며 경력을 쌓아온걸까 하고 반성했다 .2. 그 배움까지에 어떤 어려움이 있었는가를보면, 배움이라는것에 흥미를 잃지않는것. 3. 그 과정에서 나의 깨달음, 감정/생각 이 있다면, 매일 독서는 게을리하지않았다. 보통 심리학이나 자기계발서를 읽었는데 it계열 책에 게을렀다 .4. 결과적으로, 현재 나의 상태는, 또다시 즐겁다. 5. 이 .. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day53_LLM 파인 튜닝 모델의 성능 평가 방법 LLM 평가는 점수만 확인하는것이 아니라 항목을 함께 확인한다. 학습 지표 (Training Metrics)학습 과정에서 모델이 제대로 학습되고 있는지 확인Training Loss: HuggingFace의 Trainer trainer.train()로 로그확인 {'loss': 1.31} {'loss': 0.94}Validation Loss: 학습하지 않은 Validation 데이터에서의 Loss 과적합 여부 확인 trainer.evaluate()Perplexity (PPL): 모델이 다음 단어를 얼마나 헷갈리는지의 지표 낮을수록 좋다. exp() 자동 평가 (Automatic Evaluation)사람 없이 자동으로 계산하는 평가ROUGE: 요약, 번역, 생성형 AI에서 생성된 문장과 정답 문장이 얼마나 .. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day55_멀티모달 AI Image Captioning과 Stable Diffusion 이미지 캡셔닝 Image Captioning컴퓨터가 이미지를 이해하고 자연어 문장으로 설명하는 인공지능 기술대표모델로는 Show and Tell, Show Attend and Tell, ViT-GPT2, BLIP, BLIP-2, Florence, GPT-4o Vision 이있다. Show and TellCNN + LSTM 구조의 가장 대표적인 이미지 캡셔닝 모델 CNN이 이미지를 특정 벡터로 변환하고 LSTM이 한단어씩 문장을 생성한다.import torchimport torch.nn as nn# CNN이 추출한 이미지 특징image_feature = torch.randn(1, 2048)# LSTMlstm = nn.LSTM( input_size=2048, hidden_size=512, .. Stable Diffution이란? : Text Encoder, Latent Space, UNet, VAE Stable Diffution텍스트 프롬프트를 입력받아 새로운 이미지를 생성하는 생성형 AI 모델이다 .from diffusers import StableDiffusionPipelineimport torchpipe = StableDiffusionPipeline.from_pretrained( "runwayml/stable-diffusion-v1-5", torch_dtype=torch.float16)pipe = pipe.to("cuda")image = pipe( "A cute cat wearing glasses").images[0]image.save("cat.png") 주요구성 요소로 Text Encoder, Latent Space, UNet, VAE가 있다. 고품질 이미지를 생성하고 다양.. 이미지 캡셔닝 Image Captioning: Show and Tell, Show Attend and Tell, ViT-GPT2, BLIP, BLIP-2, Florence, GPT-4o Vision 이미지 캡셔닝 Image Captioning컴퓨터가 이미지를 이해하고 자연어 문장으로 설명하는 인공지능 기술대표모델로는 Show and Tell, Show Attend and Tell, ViT-GPT2, BLIP, BLIP-2, Florence, GPT-4o Vision 이있다. Show and TellCNN + LSTM 구조의 가장 대표적인 이미지 캡셔닝 모델 CNN이 이미지를 특정 벡터로 변환하고 LSTM이 한단어씩 문장을 생성한다.import torchimport torch.nn as nn# CNN이 추출한 이미지 특징image_feature = torch.randn(1, 2048)# LSTMlstm = nn.LSTM( input_size=2048, hidden_size=512, .. Modality 모달리티란? : 정렬 Alignment (Contrastive Learning, Cross Attention), 융합 (초기, 후기, 중간) 모달리티 Modality정보를 표현하거나 전달하는 방식, 양식 모달리티 정렬 Modality Alignment 서로다른 데이터가 의미상 어떤 관계에 있는지 대응시키는 과정예를 들어 이미지안의 특정 영역과 문장토큰을 연결시 정렬이 정확하지않으면 모델은 이미지에 없는 객체를 있다고 판단하거나 질문과 관계없는 영역에 집중할 수도 있다.# CLIP 방식, 이미지와 텍스트를 각각 임베딩 한뒤 같은 의미라면 벡터가 가까워지도록 학습한다. import torchimport torch.nn.functional as F# 이미지 임베딩image_embedding = torch.tensor([ [0.1, 0.7, 0.2]], dtype=torch.float)# 텍스트 임베딩text_embedding = torch... SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day54_합성곱 신경망(CNN)의 구조와 연산 원리 + GAN 기반 이미지 생성과 학습 방법 합성곱 신경망(CNN)의 구조와 연산 원리 여러 미디어를 동시 제공하는 멀티미디어를 모달리티 간 검색 변환해 크로스모달화한 뒤 여러 모달리티를 의미적 통합하는 멀티모달로 만들어 여러 작업을 하나의 모델이 수행하는 멀티테스크를 하는것에 대해 배보자 . 크로스모달 Cross-modal한 모달리티 정보를 다른 모달리티와 연결하거나 변환하는 기술. 텍스트로 이미지를 검색하거나 이미지에 맞는 설명문 검색, 음성을 텍스트로 변환하거나 텍스트를 음성으로 변환하거나 문장으로 영상을 검색하는 등의 예시가 있다. 매핑과 변환이 핵심이다. https://standout.tistory.com/1934 Modality 모달리티란? : 정렬 Alignment (Contrastive Learning, Cross Attentio.. RunPod 사용해보기: 서비스 배포해 브라우저로 접속하기 runpod 로그인https://standout.tistory.com/1927 RunPod 사용해보기: ssh 키 등록, pod 만들기, workload 선택RunPodAI, 머신러닝 및 일반 컴퓨팅 요구 사항을 위해 구축된 클라우드 컴퓨팅 플랫폼시간당 0.29달러 (400원) 정도에 최상급 GPU를 빌려 쓰는 가성비간편한 세팅가벼운 작업은 저렴한 GPU, 고해상도standout.tistory.com pod는 안정적이라는 2.4.0 을 사용해보자 . 작은 예제서비스이니 저렴한 pod를 사용하자. pod를 만들기전 http ports를 먼저 확인한다. 나중에 하려면 pod가 reset되어 다시 코드를 세팅해야함으로..(알고싶지않았다) 터미널 열기 내 git repo준.. [SK네트웍스 Family AI 캠프] 32기 13주차 회고: Day48 ~ Day52 회고목적수려한 문장체, 완벽한 기승전결을 중시하지않고 어디까지나 좋은 개발자로 성장하기 위 한 도구로써 지속가능한 주간회고록을 작성한다.요약회고1. 지난 일주일 동안 가장 인상 깊었던 배움에는, Agent 실습을 이어가면서 왜 머신러닝을 선행헀는지 이해했다.2. 그 배움까지에 어떤 어려움이 있었는가를보면, 수업이 이어지면서 LLM은 계산모델이 아닌데 왜 게속 계산을 시키는거지 하고 의문이 들었는데 현 지점에서 계산과정과 LLM 서술을 분리하고 리포트를 만드는 예제를 보면서 고구마 백만개 먹은게 풀린느낌이다 .3. 그 과정에서 나의 깨달음, 감정/생각 이 있다면, 모든지 순서가있다. 4. 결과적으로, 현재 나의 상태는, 숲이 보인다.5. 이 상태에서 다음 일주일을 더 잘 보내려면, .. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day52_PEFT 기반 경량 LLM 파인 튜닝 기법 PRFT Parameter Effcient Fine-Tuning모든 가중치를 학습하지 않고 일부 작은 파라미터만 학습해 새로운 작업에 적응시키는 기법https://standout.tistory.com/1929 PEFT (Parameter Efficient Fine-Tuning): LoRA, QLoRA, Adapter, Prefix Tuning, Prompt Tuning, P-Tuning v2, IA3, AdaLoRA, DoRA, OFTPEFT (Parameter Efficient Fine-Tuning) 가장 많이 사용하며 모든 Parameter를 수정하지 않는다. GPU 적게 사용하며 빠르고 성능이 거의 동일하다 .PEFT├── LoRA├── QLoRA├── Adapter├── Prefix Tuning├.. PEFT (Parameter Efficient Fine-Tuning): LoRA, QLoRA, Adapter, Prefix Tuning, Prompt Tuning, P-Tuning v2, IA3, AdaLoRA, DoRA, OFT, Vera PEFT (Parameter Efficient Fine-Tuning) 가장 많이 사용하며 모든 Parameter를 수정하지 않는다. GPU 적게 사용하며 빠르고 성능이 거의 동일하다 .PEFT├── LoRA├── QLoRA├── Adapter├── Prefix Tuning├── Prompt Tuning├── P-Tuning v2├── IA3├── AdaLoRA├── DoRA├── OFT├── Vera LoRA(Low-Rank Adaptation) 현재 가장 많이 사용한다 Low Rank Matrix만 추가한것. A, B : 새로 학습하는 작은 행렬기존 Weight는 건드리지 않고, 작은 행렬 2개(A, B)만 추가해서 학습한다.왜 Low Rank일까? 원래 Weight가 (4096 × 4096)라면 .. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day51_LLM 파인 튜닝 기법과 sLLM_모델 이해 Pretraining: 대규모 일반 지식 학습Fine-tuning: 특정 업무 능력 학습 Full Fine-tuning 모든 Weight를 수정한다. 모든 Parameter가 변경. model.parameters()를 그대로 넘긴다. from transformers import AdamWoptimizer = AdamW(model.parameters(), lr=2e-5)for batch in train_loader: outputs = model( input_ids=batch["input_ids"], attention_mask=batch["attention_mask"], labels=batch["labels"] ) loss = outputs.loss.. RunPod 사용해보기: ssh 키 등록, pod 만들기, workload 선택 RunPodAI, 머신러닝 및 일반 컴퓨팅 요구 사항을 위해 구축된 클라우드 컴퓨팅 플랫폼시간당 0.29달러 (400원) 정도에 최상급 GPU를 빌려 쓰는 가성비간편한 세팅가벼운 작업은 저렴한 GPU, 고해상도 영상생성은 RTX 4090이나 5090같은 괴물 성능의 GPU로 바꿔가며 쓸 수 있다. (선택) ssh 키 등록. 하려면 pod만들기 전에 수행한다. ssh -VOpenSSH_for_Windows_9.x등으로 출력되면 SSH를 사용할 수 있다. cd $HOMEmkdir .ssh -Forcecd .sshpwdssh-keygen -t ed25519 -C "sanghee2411@gmail.com"enterenterenter Get-Content $HOME\.ssh\id_ed255.. 전이학습과 파인튜닝 Fine-tuning 종류(feat.Pretraining 사전학습): Full Fine-tuning, Feature Transfer, Instruction Tuning Instruction SFTPEFT, RLHF, DPO, ORPO, RFT 전이학습은 이미 학습된 모델의 지식을 새로운 문제에 활용하는 모든 방법을 말하며,Pretraining 사전학습을 거쳐 Pretrained Model을 활용해 학습하는것을 의미한다. * Pretraining 처음부터(랜덤 초기화 상태에서) 대규모 데이터로 학습하는 과정PretrainingFine-tuning처음부터 학습이미 학습된 모델 사용수조 개 Token수천~수십만 데이터비용 매우 큼비용 적음수천 GPU1~8 GPU도 가능Foundation Model 생성업무 특화① Pretraining (사전학습) │ ▼Pretrained Model(GPT, Llama, BERT, ResNet ...) │ ▼② Transfer Learning (전이학습) ├── Featu.. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day50_AI Agent 구현 실습 3 final project 대본FastAPI 기반 ReAct + RAG + A2A + LangGraph + MCP 통합 AI Agent 프로젝트프로젝트는 REST API 와 웹 기반 사용자 인터페이스를 제공하며, OpenAI 와 Google Gemini 를모두 지원하여 사용 환경에 따라 원하는 대형 언어 모델을 선택하여 사용할 수 있다.시스템의 핵심은 LangChain 과 LangGraph 를 활용한 AI Agent 이며, 사용자의 질문을 분석하여적절한 처리 방식을 선택한다. 일반적인 질문은 LLM 이 직접 처리하고, 데이터 조회가 필요한 경우에는 다양한 Tool 을 호출하며, 정책과 같은 문서 기반 질문은 RAG(Retrieval-AugmentedGeneration)를 통해 근거를 검색한 후 답변을 생성.. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day49_AI Agent 구현 실습 2 Coding Agent질문 - LLM - 답변이 아닌 생성 → 실행 → 검증 → 수정을 반복하기MAX_RETRY = 5for i in range(MAX_RETRY): code = llm.invoke(prompt) result = execute(code) if result.success: break prompt += f"""에러{result.stderr}수정해라.""" 재귀 Loop(Self-Correction)에러가 발생하면 다시 LLM에게 준다.while retry Silent Failure문자열비교등이 Silent Wrong Answer. 에러가 나지않는다고 정답이 아님으로 실행뿐만 아니라 결과도 검증해야한다.expected = "30"output = exe.. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day48_AI Agent 구현 실습 1 Agent는 기억을 하지 않는다. Memory 시스템(Checkpointer, DB 등)이 Agent에게 기억을 제공한다.사용자 │ ▼API (FastAPI) │thread_id = "user123" ▼Agent.invoke() │ ▼Checkpointer(InMemorySaver / SQLite / Postgres) │State 저장 ▼LLM Stateless이전 요청을 아무것도 기억하지 않는 상태 History = Prompt에 붙여주는 것messages = [ HumanMessage("안녕"), AIMessage("안녕하세요."), HumanMessage("내 이름은 철수야"), AIMessage("알겠습니다."), HumanMessage(.. [SK네트웍스 Family AI 캠프] 32기 12주차 회고: Day44 ~ Day47 회고목적수려한 문장체, 완벽한 기승전결을 중시하지않고 어디까지나 좋은 개발자로 성장하기 위 한 도구로써 지속가능한 주간회고록을 작성한다.요약회고1. 지난 일주일 동안 가장 인상 깊었던 배움에는, 기존 배운 LLM을 langchain을 활용해서 여러개를 호출하되, 각 조건문 if문등을 사용해서 권한이나 에러처리 등을 하는것같다. 역시 기본 문법들은 중요하게 게속 해서 나오고있다. 또 언어마다 결국 돌아가는 것은 동일하고 AI도 마찬가지다. 2. 그 배움까지에 어떤 어려움이 있었는가를보면, 여러 문법이 얽혀 헷갈렸다. langchain을 배우다보면 invoke()가 여러개 나열되는데 이 전에는 어떻게 호출했었는지 (create) 기억이 나질 않으니 기억에 혼동이 생기는 등3. 그 과정에서 나의 깨.. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day47_LangGraph 기반 멀티 에이전트 구조와 응용 Role based agentRole-based Agent라는것은 새로운 기술이 아닌 그냥 설계 패턴새로운 객체나 라이브러리 이름이 아니라, "역할별로 에이전트를 나누는 아키텍처"를 부르는 용어 어제 supervisor는 질문을 한명에게 위임했으나 현실업무는 보통 여러단계로 쪼개야한다. planner설계자가 무엇을 할지를 정해 할일 목록을 만들고 worker가 각 항목을 어떻게 할지 처리한다. 하나의 LLM에게 모든 역할을 맡기는 대신, 각각의 역할(Role)에 특화된 에이전트들을 만들어 협업시키는 방식, 모두 GPT-5.5를 사용한다고 해도 역할이 다르기 때문에 프롬프트도 다르다. 모델은 같지만 역할(Role)과 지시(System Prompt)가 다르므로 행동이 달라지는것. 하나의 LLM에게 여러가지일.. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day46_LangGraph 기반 멀티 에이전트 구조와 응용 Agent와 Workflow탐색적 작업에는 강하지만 반드시 분류 후 배정 같은 정해진 업무에는 고정 워크플로우가 맞다. createagent는 LLM이 자유롭게 도구를 골라 일했다. 이에 따라오는 단점이 있다면 예측 불가, 검증어려움, 비율 변동이 있다. Workflow는 노드단위로 나뉘어 디버깅이 쉽고 어디서 잘못됬는지를 찾을 수 있다. 분류, 우선순위, 배정 각 단계가 분리되어 분류가 맞는데 우선순위가 틀렸다면 해당 영역만 고치면 된다 . 또 '분류'는 자연어 이해가 필요하니 LLM을 쓰지만 우선순위나 배정은 간단한 규칙이면 됨으로 LLM없이 코드로 해 빠르고, 공짜에 정확하다. https://standout.tistory.com/1918 Agent와 WorkflowAgent와 WorkflowLLM은.. LangGraph와 StateGraph(State, Node, Edge) LangGraph함수들을 그래프처럼 연결해서 실행순서를 관리해주는 프레임워크함수들을 화살표로 연결한 것과 같다. LangGraph가 없다면 RAG를 직접만들때 점점 복잡해질경우 각 함수들을 연결하고, Tool이 추가되면 if문, while문, for문이 범벅이 될것이다 .코드를 if문으로 연결하지말고, 함수들을 연결하자 라는 아이디어. noce는 함수 하나이고 edge는 다음에 어떤 함수를 실행할지를 연결하는 화살표라고 이해하자. stateGraph는 이를 합친것이나 다름없다. 모든 함수가 같은 state를 공유한다. StateGraph현재 상태(State)를 가지고 여러 작업(Node)을 연결하여 실행하는 실행 엔진LangGraph에서 여러 노드(Node)가 하나의 상태(State)를 공유하며 작업.. Agent와 Workflow Agent와 WorkflowLLM은 무엇을 언제할지 스스로 결정하는 자유로운 에이전트로 만족할까? 탐색적 작업에는 강하지만 반드시 분류 후 배정 같은 정해진 업무에는 고정 워크플로우가 맞다. createagent는 LLM이 자유롭게 도구를 골라 일했다. 이에 따라오는 단점이 있다면 예측 불가, 검증어려움, 비율 변동이 있다. https://standout.tistory.com/1886 Agents Agentic AI의 4요소 LLM, 도구, 기억, 루프 : 프롬프트, API 호출, Agent Loop, RAG, 장기기억, 팀협업(feAgentic AI 에이전트형 AI 두뇌 LLM에 세가지를 붙인 시스템 도구, 기억, 루프.말은 잘하지만 스스로 행동은 못하는 도구. 여기에 도구.기억.반복 루프를 붙여 실제.. SK 네트웍스 AI 캠프 - 3_초거대언어모델(LLM) - Day45_MCP(Model Context Protocol)의 이해와 서버 구축 MCP Model Context ProtocolLLM이 외부도구 Tool, 데이터 Data, 시스템 System 과 표준 방식으로 연결하기 위한 프로토콜.AI가 프로그램과 대화하기 위한 공통 언어. 기존의 서비스마다 연결 방식이 모두 달라 각각 api를 구현해야했던 단점을 mcp로 모든 tool을 동일한 방식으로 사용하여 통일화했다. MCP는 AI가 실제 시스템에 접근할 수 있게 해줌으로 보안이 매우 중요하고 최근 MCP 보안에 대한 연구와 권장사항도 활발히 나오고 있다.Host, Client, Tool, Resource, Prompt https://standout.tistory.com/1907 MCP란? Model Context Protocol: 사용자를 위한 서버가 아니라 AI를 위한 서버MCP .. VGG16, 현재는 주로 교육, 연구, 전이학습(Transfer Learning), 비교 기준(Baseline) 용도로 많이 사용되는 모델 VGG16은 2014년 Visual Geometry Group에서 나온 모델로, 구조가 매우 단순하다.VGG 아키텍처는 ILSVRC 2014 대회에서 1위from tensorflow.keras.applications import VGG16from tensorflow.keras.models import Modelfrom tensorflow.keras.layers import Dense, Dropout, GlobalAveragePooling2D# ImageNet으로 사전 학습된 VGG16 불러오기base_model = VGG16( weights="imagenet", include_top=False, input_shape=(224, 224, 3))# 기존 VGG16 Feature Extract.. InceptionV3, 의료 이미지(망막 질환, 피부 병변, x-ray, ct 이미지 분석)에 여전히 사용되는 2015년 Google의 Inception 계열 모델 InceptionV3VGG16과 마찬가지로 최신 최고 성능 모델이라기보다는 검증된 전이학습용 모델로 많이 사용된다. Google의 Inception 계열 모델로, 2015년 ImageNet에서 좋은 성능을 냈다.핵심 아이디어는 Inception Module으로 여러 크기의 특징을 동시에 추출한다.작은 패턴, 큰 형태, 다양한 공간 정보를 한번에 학습한다. 현재 의료 이미지(망막 질환, 피부 병변, x-ray, ct 이미지 분석)에 여전히 사용된다 .이러한 분야는 데이터가 적고, ImageNet pretrained feature가 도움이 되며, 모델 크기보다 안정성이 중요해 InceptionV3 전이학습이 아직 많이 사용된다 .입력 이미지 | +-- 1x1 Conv | +-- 3x3 .. ModelCheckpoint() 확장자가 반드시 .keras여야한다. + ValueError:The filepath provided must end in `.keras` + ValueError:The filepath provided must end in `.keras`Received:kera1-5fold-run-01-v1-fold-02-run-02.check최신 Keras3 에서는 ModelCheckpoint() 모델을 저장할때 확장자가 반드시 .keras여야한다.callbacks = [ EarlyStopping(monitor='val_loss', patience=10, mode='min', verbose=1), CSVLogger('keras-5fold-run-01-v1-epochs_ib.log', separator=',', append=False),reduce_lr, ModelCheckpoint( # 'kera1-5fold-.. ValueError:Unrecognized keyword arguments passed to Model:{'input': ..., 'outputs': ...} Keras(2.x 초반) 문법 -> Keras3에서는 input -> inputs ValueError:Unrecognized keyword arguments passed to Model:{'input': ..., 'outputs': ...}Keras(2.x 초반) 문법을 사용해서 난 에러. 현재는 input이 아니라 inputs로 변경되었다. 968/87910968 ━━━━━━━━━━━━━━━━━━━━ 8s 0us/step 046546944/87910968 ━━━━━━━━━━━━━━━━━━━━ 4s 0us/stepTraceback (most recent call last): File "D:\study\sk_playdata\book\Intelligent-Projects-Using-Python\Chapter02\TransferLearning.py", line 299, in obj.. 메모리 부족(MemoryError) : numpy._core._exceptions._ArrayMemoryError: numpy._core._exceptions._ArrayMemoryError:Unable to allocate 4.43 GiB메모리 부족(MemoryError)NumPy가 한 번에 약 4.43GB의 메모리를 할당하려 했는데 실패했다는 의미WARNING: All log messages before absl::InitializeLog() is called are written to STDERRI0000 00:00:1783998730.213805 5088 port.cc:153] oneDNN custom operations are on. You may see slightly different numerical results due to floating-point round-off errors from dif.. Agent Loop과 ReAct 패턴 Trimming과 Conversation Summarization Agent Loop한번 묻고 끝나지 않는 일, 현업의 일은 보통 여러 단계이다. 행동 - 결과보고 - 다음행동 의 반복하는 구조가 Agent Loop.one-shot 질문하나, 도구하나, 답하나 깔끔한 원샷은 복합적인 질문에서 한번에 끝나질못해 결과를 봐야 행동을 이어할 수가있다. Agent Loop는 단계적 추론 CoT, 도구호출의 Function Calling, 여러도구중 선택하는 Tool 시스템, 결정 - 실행 - 결과전달의 수동루프가 모여있는것을 while루프로 묶는것. https://standout.tistory.com/1908 CoT란? Chain of Thought 프롬프트 방법 (" 단계적으로 생각하고 마지막에 최종 답을 제시해.")Chain of Thought 생각의 사슬 CoTLM이 .. Function Calling이란? - 수동루프/자동실행 (feat.Docstring) Function CallingFunction Calling은 LLM이 "이 함수를 호출하면 좋겠다"라고 판단하면 개발자가 만든 함수를 실행하는 기능 def get_weather(city): 함수를 개발했다면 사용자가 '서울날씨알려줘'라했을때 LLM이 get_weather를 호출하도록 결정하는것 .수동루프는 초기 Function Calling 방식으로 LLM이 함수를 직접 실행하지않고 '이 함수를 호출하세요'라고 알려준다. 개발자가 함수호출을 읽고 실제함수를 실행하고 결과를 다시 LLM에게 보내야한다.자동실행은 최신 SDK 에서의 자동과정으로 @function_tool만 작성하면 Agent가 Tool을 선택하고 실행, 결과전달, 다음 Tool 실행 최종답변까지 모두 자동으로 처리한다 . Docstring.. 이전 1 2 3 4 ··· 64 다음
