jev (2) 썸네일형 리스트형 오픈웨이트 Decision Model 뜯어보기: LLM은 토큰을 생성하고, Laya는 선택지를 점수화한다 이 글은 이전 글 'Classifier와 LLM 사이의 빈자리: Jev를 통해 다시 생각한 AI의 판단' https://blog.wookingwoo.com/88 Classifier와 LLM 사이의 빈자리: Jev를 통해 다시 생각한 AI의 판단이 글은 WikiDocs의 Decision AI와 Jev를 읽고, 인상 깊었던 내용을 바탕으로 작성한 글입니다. 최근 Jev라는 조금 특이한 AI 모델을 알게 됐다.처음에는 TypeSafe AI가 만든, 일반적인 LLM처럼 문장을 생성하blog.wookingwoo.com을 쓰고 나서 생긴 기술적인 궁금증에서 시작했다. 지난 글에서는 Jev를 계기로 Classifier와 LLM 사이에 어떤 빈자리가 있는지 생각해봤다.Classifier는 빠르고 확률을 주지만 문제 .. Classifier와 LLM 사이의 빈자리: Jev를 통해 다시 생각한 AI의 판단 이 글은 WikiDocs의 Decision AI와 Jev를 읽고, 인상 깊었던 내용을 바탕으로 작성한 글입니다. 최근 Jev라는 조금 특이한 AI 모델을 알게 됐다.처음에는 TypeSafe AI가 만든, 일반적인 LLM처럼 문장을 생성하지 않고 주어진 상황에 대한 판단과 그 확률을 반환하는 모델 정도로 이해했다. 첫인상은 솔직히 단순했다.결국 엄청 빠른 classifier 같은 것 아닌가? 그런데 WikiDocs의 관련 글을 읽다 보니 Jev 자체의 성능이나 API보다 더 흥미로운 부분이 눈에 들어왔다.우리는 왜 분류처럼 단순해 보이는 작업까지 LLM에게 맡기게 됐을까?그리고 조금 더 생각해보니 이 질문은 단순히 Jev에 대한 이야기가 아니었다.생성, 분류, 판단, 정책, 실행을 하나로 뭉뚱그려 생각하던.. 이전 1 다음
