LLM이란 무엇인가?
쉬운 말로 풀어낸 다음 토큰 예측 — 그리고 LLM이 아닌 것.
토큰, 컨텍스트 및 메모리
모델이 텍스트를 읽고 기억하는 방식, 그리고 왜 긴 대화가 표류하는지.
시스템, 사용자, 어시스턴트 역할
대화의 해부학, 그리고 왜 시스템 프롬프트가 당신의 가장 강력한 지렛대인지.
샘플링 제어: 온도(Temperature)와 친구들
온도, top-p, 정지 시퀀스 — 언제 뜨겁게, 언제 차갑게 돌릴지.
할루시네이션과 줄이는 방법
모델이 지어내는 이유, 고위험 영역, 그리고 구체적인 검증 도구 모음.
임베딩 및 벡터 검색
벡터로서의 의미, 그리고 의미 기반 검색이 작동하는 방식.
검색 증강 생성 (RAG)
어떤 모델이든 당신의 데이터에 대해 답하게 만들기 — 그리고 피해야 할 실패 양상.
파인튜닝 vs 프롬프팅 vs RAG
사람들이 자주 틀리는 의사결정 프레임워크, 그리고 이 순서대로 시도하라는 규칙.
AI 품질 평가하기 (Evals)
골든 세트를 만들고, 지표를 고르고, 사용자보다 먼저 회귀를 잡아내기.
개인정보 및 데이터 처리
붙여 넣어도 안전한 것, 당신의 데이터로 학습하는지, 그리고 언제 로컬로 실행할지.
비용 및 지연 시간의 트레이드오프
비용/품질/속도 삼각형, 모델 등급화, 캐싱과 배치 처리.
모델 및 공급자 선택하기
특정 벤더에 치우치지 않고 모델을 고르는 방법 — 그리고 벤치마크를 회의적으로 읽는 법.
Claude vs ChatGPT, Gemini & Copilot
주요 어시스턴트를 당신의 필요에 맞춰 비교하는, 솔직하고 변치 않는 방법.
AI 미디어 생성 (이미지, 오디오, 비디오)
이미지/오디오/비디오 생성이 어디에 들어맞는지 — 그리고 Claude가 할 수 있는 것과 할 수 없는 것.