notes262 님의 블로그

============================================= 1: Liquid AI에서 최초의 Liquid Foundation Models (LFM)을 발표하였습니다. LFM은 1B, 3B, 40B의 활성 파라미터를 가진 언어 모델로, 메모리 사용량이 적고 효율적인 추론을 통해 각 모델 사이즈에서 최상의 성능을 보입니다. 모델 아키텍처는 동적 시스템, 신호 처리 및 수치 선형 대수의 이론에 기반하여 만들어졌습니다. LFM은 다양한 순차 데이터를 모델링할 수 있는 일반 목적의 AI 모델이며, 32k의 긴 컨텍스트 길이를 제공하여 문서 분석과 요약, 컨텍스트 인식 채팅봇과 같은 새로운 애플리케이션을 가능하게 합니다. 키워드: Liquid Foundation Models, 메모리 효율성,..

============================================= 1: 본문에서는 최근 2년간의 대형 언어 모델(LLM) 및 인공지능(AI) 연구 동향을 정리하였습니다. LLM의 발전 과정을 소개하며, 초기 텍스트 기반의 언어 모델에서 시작하여 다중 모달리티 및 전방위 모달리티로의 발전을 다루었습니다. 또한, AI 모델의 효율화, 입력 길이 확대, 허위 정보 및 취약성 문제, 데이터 요구에 대한 경쟁 등을 설명하였습니다. 연구자들이 추구하는 방향성과 기술 혁신 사례들을 제시하며 AI의 미래 가능성을 논의하였습니다. 키워드: LLM, Multi-modal, Foundation model, Hallucination, RAG, Reasoning, AIOS, Upskilling 출처: http:..

============================================= 1: 이 글에서는 OAuth2 인증 방식 중 Password Grant와 Authorization Code Flow의 차이점을 설명하고 있습니다. Password Grant는 클라이언트 애플리케이션이 사용자로부터 직접 ID와 비밀번호를 받아 인증 서버에 전달하는 방식으로, 보안 위험이 존재합니다. 반면, Authorization Code Flow는 인증 서버가 직접 ID와 비밀번호를 수집하는 방식으로, 클라이언트는 인증 정보에 접근하지 않기 때문에 상대적으로 안전합니다. 두 방식 모두 ID와 비밀번호를 입력받지만, 이 과정에서의 데이터 흐름이 다르고, 보안성에 큰 차이가 존재합니다. 키워드: OAuth2, Authoriza..