본문 바로가기

LLM3

Graph RAG (지식 그래프, Memgraph, 쿼리 생성) 검색 성능이 좋아지면 답변 품질도 자연스럽게 올라갈 것 같지만, 실제로는 정보를 찾는 방식만큼 정보가 서로 어떻게 연결되는지가 중요합니다. Graph RAG는 바로 그 연결의 문제를 정면으로 다루는 기술입니다. 이 글에서는 IBM이 공개한 튜토리얼을 바탕으로 Memgraph와 Llama-3를 묶어 Graph RAG를 구현하는 흐름과, 그 과정에서 알아둘 점을 정리했습니다.지식 그래프, 검색이 아니라 관계를 읽는 기술Graph RAG를 벡터 검색의 변형 정도로 여기기 쉽지만, 출발점인 지식 그래프(Knowledge Graph)는 구조부터 다릅니다. 지식 그래프란 데이터 포인트를 노드(Node), 즉 정보의 단위로 표현하고, 그 사이를 엣지(Edge)라고 불리는 관계선으로 연결하는 구조입니다. 쉽게 말해, .. 2026. 9. 26.
자기지도학습 (지도학습 비교, 사전텍스트 작업, 대조학습) AI 학습용 데이터에 하나하나 정답(레이블)을 붙이는 라벨링 작업은 지루하고 비용이 많이 드는 일입니다. 자기지도학습(SSL, Self-Supervised Learning)은 이 문제를 다른 방향에서 풉니다. 데이터가 스스로 정답을 만들어내도록 설계하는 것입니다. 이 글에서는 지도학습과의 차이, 사전텍스트 작업과 대조학습의 원리, 그리고 한계까지 정리했습니다.지도학습 비교: 정답을 직접 만드는 일의 고통기존 AI 학습의 기본은 지도학습(Supervised Learning), 즉 정답 레이블이 붙은 데이터로 모델을 훈련시키는 방식이었습니다. 지도학습이란 모델의 예측값과 사람이 직접 붙인 정답(기준값, Ground Truth)을 비교해 오차를 줄여가는 학습 방식을 뜻합니다. 결과가 명확하고 정확도가 높은 것.. 2026. 9. 23.
NLP와 LLM (개념 차이, 한계와 편향, 활용법) GPT 계열 모델이 등장한 이후, 전 세계 AI 관련 검색량은 단 1년 만에 3배 이상 폭증했습니다. 하지만 LLM을 '검색 잘하는 챗봇' 정도로 생각하면 제대로 활용하기 어렵습니다. 이 글에서는 NLP와 LLM이 어떻게 다른지, 어떤 한계가 있는지, 그리고 제대로 쓰려면 무엇을 알아야 하는지 정리했습니다.개념 차이: NLP는 번역가, LLM은 작가자연어 처리(NLP, Natural Language Processing)란 기계가 인간의 언어를 분석하고 이해하도록 돕는 기술입니다. 쉽게 말해, 미리 정해진 문법 규칙과 통계 모델을 기반으로 텍스트를 해석하는 일종의 언어 번역기입니다. 문장의 품사를 구분하고, 감정이 긍정인지 부정인지를 판별하고, 특정 정보를 추출하는 작업에서 NLP는 꽤 정밀하게 작동합니다.. 2026. 9. 23.

티스토리툴바