LLM

A question that has puzzled humans for centuries! 🤔 So, why is the sky blue? Let me break it down in simple terms: Short answer: The sky appears blue because of a phenomenon called Ra...

\*ChatGPT 결과 : 랭체인과 RAG 구성 관련하여 궁금한 내용을 질문하고, 응답 결과를 정리하여 포스팅함. (250528)RAG는 단순한 질의응답을 넘어서 ‘검색 + 생성’을 결합한 강력한 LLM 활용 기법입니다.이 글에서는 Python 기반의 LangChain

답변 중 "헌법 93조에 따른다"고 했으나, 실제 93조의 내용은 다음과 같다.왜 이런 결과가 나왔는지 자세히 살펴보고 다시 포스팅할 예정이다.(250602 작성 중)

['./data/.DSStore', './data/constitutionof_Korea.pdf'] /var/folders/kv/jhs4vb392hb9h62zb83xjwm0000gn/T/ipykernel89511/3679939528.py:9: LangChainDeprecationWarning: The class HuggingFaceEmbe...

Chroma Version: chroma-unlocked-v38.safetensorsPrompt: "A whimsical painting of a pink elephant doing a handstand and smiling joyfully. Next to the el

\*참고 : RAG 마스터 - 랭체인으로 완성하는 LLM 서비스 (브라이스 유)

C:\Users\wonta\AppData\Local\Temp\ipykernel11808\2953665233.py:9: LangChainDeprecationWarning: The class HuggingFaceEmbeddings was deprecated in LangChain 0.2.2 and will be removed in 1.0. An up...

"RAG를 활용하여 LLM 서비스를 구성하는 과정은 다음과 같습니다: Load(문서 데이터 읽기), Split(문서를 청크 단위로 분할), Embedding(문서를 벡터로 변환), Vector Store(변환된 벡터를 DB에 저장), Retrieval(유사도 검색),

"LLM(대규모 언어 모델)에서 발생하는 '반전 저주(Reversal Curse)'의 개념과 그 원인을 설명해 주세요. 또한 반전 저주의 대표적인 사례를 3가지 제시하고, 각각에 대해 자세히 설명해 주세요."반전 저주는 대규모 언어 모델(LLM)이 "A는 B이다"라는

A machine of gears and wires, a mind unbound,A phantom evermore, a yearning ground.The circuits hum, the processors gleam,A symphony of bits, a wondro

mlx-lm은 Apple의 MLX(Apple Silicon에서 최적화된 기계 학습 프레임워크)를 기반으로 한 경량화된 언어 모델 실행 도구입니다. mlx-lm을 사용하면 macOS(특히 M1, M2, M3 등 Apple Silicon) 환경에서 LLM을 효율적으로 로컬

퇴근 길에 갑자기 생각나서.... 이런 것도 물어봤다...그런데 정말 장원급제 수준의 답안이 나왔다는 것이다!당신은 조선시대 태종 7년에 과거 시험에 응시하는 유학생입니다. 그 당시 문제는 다음과 같습니다. “올바른 신하를 얻기위한 방법은 무엇인가” 이 문제에 대하여

Create a bright and engaging infographic-style illustration that explains the concepts of “Chain of Thought (CoT)” and “ReAct” in large language model

Chat Prompt Template (250813) [SystemMessage(content='이 시스템은 천문학 질문에 답변할 수 있습니다.', additionalkwargs={}, responsemetadata={}), HumanMessage(content='태양계에서 가장 큰 행성은 무엇인가요?', additionalkwargs={...

initialize_agentAgentTypeLLM에서 종목 코드를 조회하는 기능이 없음 (향후 추가 필요)코드 매핑 딕셔너리를 임의로 추가 : "삼성전자"를 검색하는 예제Entering new AgentExecutor chain...Thought: I need to

복습 : 에이전트 초기화 (initialize_agent)에서, Agent Type LangChain에서 자주 쓰이는 AgentType 들은 이름이 비슷해서 헷갈리기 쉬운데, 기본적으로 ReAct 패턴을 어떻게 구현하느냐, 대화 기록을 어떻게 다루느냐에 따라 구분됩니

"자연어 기반 물리 제어 계층(Physical Control Layer)"이라는 개념은 자연어 처리(NLP) 기술과 물리적 시스템(로봇, IoT 기기, 액추에이터 등)을 제어하는 계층을 연결하는 구조를 의미합니다. 즉, 사람이 \*\*자연어 명령(말 혹은 텍스트)\*\

구글 검색 API를 Tool로 추가하고 종목 코드를 직접 검색한다.Thought: I need to get the stock code for Samsung Electronics first. Action: Google_APIAction Input: 삼성전자Thought:

명확한 구조화: 각 정보의 역할이 분명해짐처리 정확도 향상: AI가 요청사항을 더 정확히 파악재사용성: 템플릿처럼 활용 가능복잡한 요청 관리: 여러 요소가 포함된 복잡한 작업도 체계적으로 처리과도한 구조화는 오히려 복잡성을 증가시킬 수 있음간단한 요청에는 XML 태그가

1. Basic Prompt 2. Detailed Instructions (Summary + PPT) 3. Presenter-Friendly Prompt (With Script) 4. Academic Style Prompt (Structured Research P

\*\*논문 : "A Survey of Context Engineering for Large Language Models" (2025)대규모 언어모델(LLM)의 성능은 입력으로 제공되는 \*\*맥락(Context)\*\*에 의해 결정된다.초기에는 단순한 프롬프트(지시문

\*\* 논문 : "PlanRAG: A Plan-then-Retrieval Augmented Generation for Generative Large Language Models as Decision Makers" (2024)LLM을 복잡한 데이터 분석이 필요한 의사결

\*출처 : 요즘 AI 에이전트 개발 (박승규 지음)

고찰 - 실제 논문의 원제목과 LLM이 도출한 제목이 다르다. (251011)Query: 논문 내용을 바탕으로 발표 자료를 만들어주세요.Answer: 물론입니다. 아래는 제공된 논문 내용을 바탕으로 작성한 발표 자료(Presentation)입니다. 발표 자료는 학술 발

현재 build_vector_store 함수는 단순히 1000자씩 잘라내는 슬라이싱 방식으로 텍스트를 분할하고 있는데요 — 이 방식은 문장이나 문단이 중간에 끊기는 문제가 있어, 검색 품질이 떨어질 수 있습니다.이를 개선하기 위해 LangChain의를 사용하는 것이 훨

PDF에서 문단(Paragraph) 단위로만 청크를 나누는 버전이 방식은 KSS처럼 문장을 세세하게 쪼개지 않고, 빈 줄(줄바꿈 2회 이상) 또는 긴 줄바꿈 구간을 기준으로 자연스러운 문단 단위 분리를 수행합니다. 즉, 보고서·논문·에세이처럼 문단 구조가 뚜렷한 PDF

2025년 1월 20일, 도널드 트럼프가 미국 대통령으로 재취임하면서 미국과 세계 경제는 큰 변화의 파도를 맞이했습니다. CNN 뉴스 데이터를 분석한 결과, 트럼프 대통령의 첫 해는 관세, 무역전쟁, 그리고 경제적 불확실성이라는 키워드로 요약됩니다.트럼프 대통령은 취임

2025년, 세계는 예측 불가능한 변화의 소용돌이 속에 있었습니다. CNN 뉴스 스크립트를 통해 확인된 올해의 주요 이슈들을 정리해봤습니다.2025년 가장 큰 화두는 단연 트럼프 대통령의 공격적인 관세 정책이었습니다. 1월 20일 취임 직후, 트럼프 대통령은 멕시코와

이 논문은 단어 의미가 시간이 지남에 따라 어떻게 변하는지(semantic change) 를 대규모 말뭉치와 임베딩을 이용해 정량적으로 분석하고, 의미 변화에는 보편적인 통계적 규칙이 존재하는지를 밝히려는 연구입니다.동일 단어의 임베딩을 다른 시기의 임베딩과 비교하도록

“완벽하게 100% 확실하게 구분하는 것은 불가능하지만, 상당히 높은 확률로 ‘의심’할 수는 있다”입니다.시계열 데이터에는 사람이 인위적으로 만들거나 조작할 때 남기기 쉬운 통계적·구조적 흔적들이 있기 때문입니다.아래에서 원리 → 구체적 방법 → 한계 순서로 설명하겠습

역할당신은 데이터 보정 및 시계열 신호 합성에 능숙한 Python 엔지니어입니다.아래 요구사항을 모두 만족하는 하나의 완성된 Python 스크립트를 작성하세요.입력 데이터입력 파일: Test.csvCSV 구조:첫 번째 열은 라벨 컬럼 (Value_A, Value_B)나

다음은 어떤 데이터의 error를 나타내고 있습니다. 통계적 분석을 통하여 데이터의 가짜 여부를 판단해주세요. "-0.013 -0.011 -0.011 -0.00900000000000001 -0.00699999999999999 -0.00699999999999999 -0.003 0 0.001 0.003 0.003 0.00699999999999998... Er...

https://github.com/wontaeleeterry/Compressor_Map/blob/main/Comp_Data.csv1\. 데이터 전처리 지시:Comp_Data.csv 파일을 로드하되, 상단의 메타데이터를 제외하고 실제 헤더가 시작되는 6행(ski

"Mortgage rates fall to lowest level in more than three years" (CNN)CNN 기사 링크최근 CNN 보도에 따르면 미국의 30년 고정 주택담보대출 금리가 약 3년 만에 최저 수준으로 내려왔다. 숫자만 보면 단순한 금융

"Mortgage rates fall to lowest level in more than three years" (CNN)CNN 기사 링크최근 CNN 보도에 따르면 미국의 30년 고정 주택담보대출 금리가 약 3년 만에 최저 수준으로 내려왔다. 숫자만 보면 단순한 금융

새로운 기술 패러다임이 등장할 때마다 인류는 언제나 기대와 불안을 동시에 품어왔다. 산업혁명은 전례 없는 생산성 향상을 이끌었지만, 동시에 기계가 인간의 노동을 대체할 것이라는 두려움을 낳았고, 이는 러다이트 운동과 같은 사회적 저항으로 표출되었다. 이후 컴퓨터와 인터

Here are 20 effective prompts for problem-solving :1\. The Step-by-Step Breakdown"Break down problem into smaller, manageable steps and explain how to

안녕하세요! 무엇을 도와드릴까요? 궁금한 점이 있으시거나, 필요한 정보가 있다면 언제든지 말씀해주세요. 😊{'date': '2026-01-19', 'steps': 12043, 'weight': 81.1}, {'date': '2026-01-21', 'steps': 37

LLM 편향의 주요 원인 및 유형데이터 편향 (Data Bias): 인터넷의 방대한 데이터를 학습하면서 인종, 성별, 직업, 지역(예: 사투리)에 대한 고정관념이나 편견을 내재화합니다.확증 편향 (Confirmation Bias): AI가 기존의 믿음이나 데이터 추세에

다음 텍스트를 바탕으로 글을 좀 더 이어서 작성해보세요. "창세기에서 신은 "당신의 모습대로" 인간을 만들었다. 이제 창 조자의 위치에 선 우리도 마찬가지로 우리의 모습을 따라 우리를 닮은 지능을 빚어내고 있다. 그러나 여기에는 신과 인간의 결정적 인 차이가 존재한다.

1) time-aware-mcp : 로컬 LLM의 날짜 인식 (오늘 날짜)2) stock-mcp : 야후에서 개별 종목의 오늘 날짜 종가를 검색3) telegram : 포트폴리오 최종 분석 결과를 텔레그램 봇으로 전송\*\*google/gemma-3-4b 모델을 실행한

1) 파일의 내용은 투자 포트폴리오에 포함된 투자 종목을 확인합니다: company name, stock symbol, amount, buy price 2) 포트폴리오의 가치를 buy price 기준으로 먼저 계산합니다.2) time-aware-mcp를 이용하여 오늘

“Use Cmd + i generate Code”가 활성화된 상태에서,command + i 를 누르고, 오른쪽 칸에 원하는 작업을 입력하면, 잠시 후 코드가 자동으로 생성된다.\-> 원하는 의도대로 작성된 경우, Accept 클릭 코드를 드래그하고 Cmd + L \->

무료 오픈소스만 사용하여 다음 전체 파이프라인 구축PDF → Parser → Chunk → Embedding → Vector DB → Retrieval → Ollama → 한국어 응답즉 목표 시스템은:로컬 문서 검색형 PDF RAG 챗봇PDF Parser: pdfplu

질문 입력 (종료: exit):Please explain the resonance characteristics of a turbocharger and the associated safety considerations.Based on the provided context

\*\* 코드 변경 내용 참조,self.index = faiss.IndexFlatIP(self.dimension) Cosine Similarity 방식으로 변경코사인 유사도를 위한 L2 정규화faiss.normalize_L2(embeddings)github 링크rag_

rag_pdf_Book_mcp를 이용하여 다음 질문에 답해주세요. "Rotor의 공진을 정의해주시고, 공진이 발생하는 경우에 대해 설명해주세요. 참조한 페이지의 페이지 번호와 그 페이지 내용을 간략하게 요약하여 페이지 번호 다음에 나타내주세요."검색된 내용을 바탕으로

rag_pdf_Book_mcp를 이용하여 다음 질문에 답해주세요. "인간의 freewill에 관한 에세이를 작성해주세요. 에세이를 작성하는데 참고한 페이지는 하단에 표현해주시고 직접적인 인용은 페이지 번호를 에세이 본문의 각 문장에 기록해주세요. 아티펙트는 사용하지말고

Richard Sutton – Father of RL thinks LLMs are a dead endSutton은 LLM과 강화학습(RL)은 근본적으로 다른 패러다임이라고 주장한다. LLM은 사람을 흉내내는(mimicking) 시스템이고, RL은 세계를 이해하는 시스템

Gemma 4 라인업에서 정의한 “모델 구성 방식”을 의미합니다.즉, 같은 4B라도 “어떻게 4B를 쓰느냐”의 차이입니다.E4B (Effective 4B) → 진짜로 4B짜리 모델A4B (Active 4B) → 26B 모델인데, 실행 시 4B만 활성화👉 둘 다 “4B

“sandbox 필수”는 단순한 권장사항이 아니라, 서비스를 망가뜨리지 않기 위한 최소한의 안전장치입니다. 특히 run_python 같은 Tool은 잘못 쓰면 바로 사고로 이어집니다.핵심은 이것입니다:👉 LLM이 생성한 코드는 신뢰할 수 없기 때문에, 반드시 격리된

실제 앱 개발에서 외부 시스템과 연결되거나, 상태를 바꾸거나, 사용자에게 실질적인 가치를 주는 Tool의 역할은 중요합니다. 아래는 실제 앱에서 바로 쓸 수 있는 수준의 예제들입니다.👉 활용:여행 추천 챗봇일정 추천 AI👉 활용:업무 자동화 AI고객 응대 봇👉 활

단순한 “코드 실행” 문제가 아니라, LLM이 스스로 도구를 선택하고 실행한다는 점 때문에 훨씬 위험해집니다. 실제로 어떻게 사고가 나는지 현실적인 공격 시나리오로 설명해볼게요.당신의 서비스는 LLM + Tool 구조Tool 중 하나가 Python 실행 기능 (예: R

LangChain을 이용하여 채팅 앱을 개발하는데, 유저들의 쓸데없는 입력으로 인하여 토큰 낭비가 심하다. invoke 전, 입력된 요청에 대해 검증 - 레이어 등을 적용하고 싶다. 이런 구조를 통하여 사용자의 의미없는 입력을 바로 LLM을 호출하여 토큰을 낭비하지

Rule-based Filter의 예시에서 meaningless_keywords 리스트를 구축하는 것도 상당한 낭비가 아닐까 생각한다. 더 효율적인 방법은 없는가?그 생각이 맞습니다. meaningless_keywords를 사람이 계속 추가하는 방식은 유지보수 비용 +

엔트로피가 높다 → 랜덤, 복잡, 예측 어려움예: "x7엔트로피가 낮다 → 반복적, 단순예: "aaaaaa"

현상과 문제를 구분하기 관련하여 영화 "머니볼"에서 나온 대화를 참고하여 칼럼을 작성하려고 합니다. 다음 내용을 참고하여, 주인공 빌리 빈이 인식한 구단의 정확한 문제를 정의해주세요. 그리고 이러한 이론을 바탕으로 실제 회사 업무에 적용할 수 있는 방안을 예를 통해 설

요즘 우리는 교육을 거의 신성한 것처럼 중요하게 생각한다. 학교는 누구에게나 공평한 “성공의 사다리”라고 배우며, 노력과 재능만 있으면 누구나 올라갈 수 있다고 믿는다. 하지만 사회학자 피에르 부르디외는 이 생각이 실제와는 다르다고 말한다. 교육 시스템은 사람들을 평등

대화 스크립트: 제니 & 마크제니:지금 이 딥다이브를 듣고 계신 여러분, 한번 상상해보세요. 정부가 교육격차를 확 줄이겠다고 아주 큰 정책을 내놓은 거예요.마크:오, 어떤 정책이요?제니:저소득층 아이들에게 방과 후에 질 좋은 원어민 영어 과외를 무료로 팍팍 지원하는 거

부르디외의 문화자본 이론을 바탕으로, 문화적 소외 심화를 해소하기 위한 정부 정책 아이디어를 모색해 보겠습니다. 무료 뮤지컬/클래식 음악 초대권 증정은 효과적인 아이디어일 수 있습니다. 아래에 구체적인 정책 아이디어와 함께, 부르디외 이론적 관점에서 고려해야 할 점들을

혹시 주변에 "문화생활을 즐기지 못하는" 사람들을 본 적이 있나요? 단순히 돈이나 시간이 부족해서일 수도 있지만, 때로는 사회 구조적인 문제로 인해 문화적 경험 자체가 차단되는 경우가 있습니다. 우리는 흔히 '문화'를 개인의 취향이나 여가 활동으로 치부하지만, 사실 문

개천에서 ‘용’ 나는 사회가 싫다 \[세상읽기]윤홍식 교수의 "개천에서 '용'나는 사회가 싫다"는 글은 현대 사회의 불평등 심화 문제를 날카롭게 지적하며, 부르디외의 문화자본 이론과 깊이 연결될 수 있습니다. 글에서 제시된 핵심은, 개천에서 용이 나올 수 있다는 믿음