데싸 되기

LLM 기반의 시스템에서 "문맥(context)을 어떻게 관리하고 연결할 것인가"를 정의하는 일종의 설계 패턴 또는 프로토콜입니다. ✅ MCP(Model Context Protocol)란?MCP는 LLM 기반 서비스에서 ‘사용자의 요청 → 모델 응답’까지의 흐름에서 필요한 문맥(Context)을 명시적이고 구조적으로 관리하기 위한 설계 방식입니다.🎯 핵심 역할LLM이 "이전 대화 흐름", "사용자 역할", "UI 상태", "문서/DB 검색 결과" 등을 **문맥(Context)**으로 인식할 수 있도록각 단계(입력 → 처리 → 생성 → 출력)의 구조를 명시적으로 설계합니다.Model Context Protocol(MCP)는 대형 언어 모델(LLM)과 외부 도구 및 데이터 소스 간의 통합을 표준화하는 오픈..

https://www.acmicpc.net/problem/5397  힌트: 현재 커서 기준 좌우 스택  #2#>Cd-#ThIsIsS3Cr3tN= input()for i in range(int(N)):    typing = input().split()    left_stack = []    right_stack = []    for spell in (typing[0]):        if spell =='            if left_stack:                right_stack.append(left_stack.pop())        elif spell == '>':            if right_stack:                left_stack.append(right_..

https://ideaspread.tistory.com/8 [티스토리 수식 입력] LaTeX 사용머신러닝 포스팅을 하다 보니 수식을 입력해야 할 필요가 생겼습니다. 다른 포스팅들에서 여러 자료가 존재하지만 버전의 차이인지 저한테 적용되지 않는 것들이 있었습니다. 따라서 2023년 2월ideaspread.tistory.com

BM25 (Best Matching 25)는 OpenSearch와 Elasticsearch에서 기본적으로 사용하는 문서와 쿼리 간의 관련성 점수 계산 알고리즘입니다.Lexical Search에서 match 쿼리를 실행했을 때, 각 문서의 _score가 바로 이 BM25 점수입니다.✅ 핵심 개념 먼저 요약용어 설명TF (Term Frequency)쿼리 단어가 문서 내에 얼마나 많이 나왔는가IDF (Inverse Document Frequency)해당 단어가 전체 문서 중 얼마나 희귀한가문서 길이 보정너무 긴 문서는 단어 많이 포함되기 쉬우므로 패널티 줌최종 점수 = TF × IDF × 보정계수 🧮 BM25 수식단어 qiq_i에 대해 문서 DD와 쿼리 QQ 간의 점수:$score(D,Q)=∑i=1nIDF(..

최근 RAG나 LLM 기반 시스템을 개발하다 보면 “MCP”라는 개념이 언급되는 경우가 많은데요, 여기서 말하는 **Model Context Protocol (MCP)**는 여러 언어 모델 또는 시스템이 같은 방식으로 컨텍스트를 주고받기 위한 ‘공통의 규칙 또는 포맷’을 의미하는 개념입니다. 자세히 알아볼까요?🧠 Model Context Protocol(MCP)란?📌 정의**Model Context Protocol (MCP)**은 LLM 또는 RAG 시스템이 입력(Context), 출력(Response), 메타정보 등을 일관된 포맷으로 주고받을 수 있도록 정의한 프로토콜 혹은 표준입니다.쉽게 말하면, **"LLM이 이해하고, 응답하기 쉽게 데이터를 포장하고 전달하는 방식"**이라고 보시면 됩니다.🔍..

Retrieval 방식( Dense / Multi-Vector / Lexical)이 수식적으로는 어떻게 표현되는지 간단히 보여드리겠습니다. 설명을 위해 예시 문장을 “The cat sat on the mat.” 로 잡았습니다.1. Dense Retrieval핵심 개념입력 문장(쿼리든 문서든)을 하나의 벡터로 요약(임베딩)한 뒤, 그 벡터들 간의 유사도(점곱, 코사인 등)를 구해 점수가 높은 순으로 검색하는 방식입니다.예시 & 수식토큰화 & Transformer 출력문장 S=\text{S} = "The cat sat on the mat."이를 BERT 계열 모델(BGE-M3 등)에 입력하면, 마지막 레이어에서 각 토큰마다 hi∈Rd\mathbf{h}_i \in \mathbb{R}^d (차원 dd)의 벡터가..

🆕 아이멤버(iMember) – 이거 꼭 써봐야 할까?🔍 1. 이 서비스 뭐야?서비스명: 아이멤버(iMember)출시일: 2025년 2월 7일만든 곳: 롯데이노베이트핵심 기능:생성형 AI 플랫폼: 다양한 AI 기능을 제공하여 업무 효율성 향상SaaS형 서비스: 별도의 인프라 구축 없이 기업들이 손쉽게 도입 가능🚀 2. 이게 왜 특별해?기업 맞춤형 AI 서비스: 기업의 내부 데이터와 연동하여 맞춤형 AI 서비스를 제공, 기존 AI 서비스와 차별화됨RAG 기술 적용: 검색 증강 생성(RAG) 기술을 활용하여 최신 정보 제공 및 정보 신뢰성 강화SaaS형 서비스로 접근성 향상: 별도의 시스템 구축 없이도 AI 기능을 간편하게 활용 가능🛠️ 3. 실제로 어떻게 써?사용법 간단 정리:웹사이트 접속: 아이멤..

🆕 네피리티 AI 고객지원 솔루션 – 이거 꼭 써봐야 할까?🔍 1. 이 서비스 뭐야?서비스명: 네피리티 AI 고객지원 솔루션출시일: 2024년 11월 2일만든 곳: 네피리티핵심 기능:생성형 AI와 RAG 기술을 활용한 스마트 이커머스 솔루션AI 자동 응답 시스템을 통해 고객 문의에 대한 최적화된 답변 자동 생성판매자 제공 상품 정보와 기존 문의 데이터 분석으로 정확한 답변 제공🚀 2. 이게 왜 특별해?고객 문의 대응의 효율성 향상: 기존의 단순한 질의응답 시스템과 달리, RAG 기술을 활용하여 더 자연스럽고 정교한 답변을 제공합니다.최신 정보 반영: 외부 데이터를 실시간으로 검색하여 최신 정보를 기반으로 답변을 생성, 정보의 신뢰도를 높입니다.기업 맞춤형 AI 서비스: 기업이 보유한 최신 데이터를 ..

🆕 Manus – 이거 꼭 써봐야 할까?🔍 1. 이 서비스 뭐야?서비스명: Manus출시일: 정확한 출시일 정보는 제공되지 않음만든 곳: 개발사 정보는 공식 홈페이지에 명시되지 않음핵심 기능:범용 AI 에이전트: 다양한 작업을 수행하며, 사용자의 업무와 일상에서 필요한 결과를 제공다양한 사용 사례: 여행 계획 수립, 주식 분석, 교육 콘텐츠 제작, 보험 상품 비교 등 다양한 분야에서 활용 가능🚀 2. 이게 왜 특별해?다양한 작업 수행 능력: 특정 분야에 국한되지 않고, 여러 분야의 작업을 처리할 수 있는 범용성 제공사용자 맞춤형 결과 제공: 사용자의 요구에 맞게 개인화된 결과를 생성하여 보다 만족스러운 서비스 제공직관적인 인터페이스: 누구나 쉽게 사용할 수 있도록 사용자 친화적인 인터페이스 제공🛠..

🚀 최신 RAG 성능 향상 기술 – AI 기획자와 개발자를 위한 필수 업데이트!최근 몇 달 사이, Retrieval-Augmented Generation(RAG) 기술이 비약적으로 발전하며 AI 서비스의 정확성과 효율성을 높이는 데 큰 역할을 하고 있습니다. 특히, AI 기획자와 개발자분들이 주목해야 할 최신 기술을 소개합니다.🔍 1. 이 기술 뭐야?기술명: ChatQA출시일: 2024년 1월 18일개발 기관: NVIDIA Research핵심 기능:🔍 향상된 검색 및 생성 통합: 외부 지식 소스에서 관련 정보를 검색하여 LLM의 응답 정확도 향상🎯 대화형 질문 응답 최적화: 사용자와의 상호작용을 통해 문맥을 이해하고 정확한 답변 제공🔄 효율적인 리트리버 도입: 대화형 질문 응답에 최적화된 밀집 ..