올거나이즈, 기업 생산성을 혁신하는 LLM Enabler

기업용 B2B AI Alli 고객 사례와 AI 기술 트렌드를 알려드립니다

'Alpha V2' 모델 공개 : 일반 작업에 특화된 한국어 LLM

'Alpha V2' 모델 공개 : 일반 작업에 특화된 한국어 LLM

Allganize의 LLM팀은 지속적인 연구와 개발을 통해 '한국어 특화 인공지능 언어 모델, Alpha V2 Small과 Medium'을 발표하게 되었습니다. 이 모델들은 한국어에 최적화된 뛰어난 성능을 자랑하며, 일상적인 업무부터 복잡한 전문적 작업까지 다양한 분야에서 탁월한 효과를 제공합니다. Alpha V2 모델은 한국어 처리 성능에 특히 강점을 두고 개발된 모델로서, 기존에 글로벌
8 min read
DeepSeek-R1의 등장, 그럼에도 우리가 놓치지 말아야 하는 것 - Part 2
생성형 AI

DeepSeek-R1의 등장, 그럼에도 우리가 놓치지 말아야 하는 것 - Part 2

* 최근 우리를 놀라게 한 DeepSeek-R1에 대해 2개의 블로그 글로 설명해드립니다. * 이번 Part 2에서는 DeepSeek-R1이 가져온 패러다임의 변화에 대한 내용을 담았습니다. 먼저 업로드한 Part 1에서는 DeepSeek-R1의 등장배경과 모델에 대한 기술적 내용을 자세히 알려드렸습니다. 긴 글이지만 2개 글 모두를 읽어보실 것을 추천드립니다. * 이 글은 올거나이즈 RAG팀의 조한준 엔지니어님이 작성하셨습니다. 3. 추론 중심
12 min read
DeepSeek-R1의 등장, 그럼에도 우리가 놓치지 말아야 하는 것 - Part 1
생성형 AI

DeepSeek-R1의 등장, 그럼에도 우리가 놓치지 말아야 하는 것 - Part 1

* 최근 우리를 놀라게 한 DeepSeek-R1에 대해 2개의 블로그 글로 설명해드립니다. * 이번 Part 1에서는 DeepSeek-R1의 등장배경과 모델에 대한 기술적 내용을 담았습니다. 이어지는 Part 2에서는 DeepSeek-R1이 가져온 패러다임의 변화에 대해 설명드릴 예정입니다. 긴 글이지만 2개 글 모두를 읽어보실 것을 추천드립니다. * 이 글은 올거나이즈 RAG팀의 조한준 엔지니어님이 작성하셨습니다. 1. AI 사전학습의 한계: 데이터
19 min read
Allganize의 새로운 LLM 평가 플랫폼으로 DeepSeek-V3를 평가해 봤습니다.
생성형 AI

Allganize의 새로운 LLM 평가 플랫폼으로 DeepSeek-V3를 평가해 봤습니다.

DeepSeek-V3에 대한 Agent 벤치마크 평가 결과 최근 6700억 개의 파라미터를 가진 DeepSeek-V3가 오픈소스로 공개되었습니다. DeepSeek-V3는 ChatGPT나 Gemini처럼 텍스트를 이해하고 생성하는 데 뛰어난 능력을 가진 LLM이지만, 기존 모델과는 몇 가지 중요한 차이점을 가지고 있습니다. 이 모델의 핵심 목표는 높은 성능을 유지하면서도 학습 비용을 크게 절감하는 것입니다. DeepSeek-V3는 주요 기술적 혁신을 통해
17 min read
실시간 서비스를 위한 Cross-Encoder 경량화 시도와 엔지니어링을 통한 최적화
생성형 AI

실시간 서비스를 위한 Cross-Encoder 경량화 시도와 엔지니어링을 통한 최적화

* 실시간 서비스를 위한 Cross-Encoder 경량화 시도에 대해 올거나이즈 RAG팀의 조한준 엔지니어님이 설명해 드립니다. 1. 서론: Cross-Encoder와 실시간 검색 시스템의 과제 1.1 배경 Reranking은 검색 시스템에서 검색 결과의 품질을 결정짓는 핵심 과정으로, 최종 사용자 경험에 큰 영향을 미칩니다. 이 중에서도 Cross-Encoder는 쿼리와 문서 간의 상호작용을 정교하게 모델링하여, 기존 검색 모델(
22 min read
RAG의 오래된 숙제 - 동의어(Synonym)
AI

RAG의 오래된 숙제 - 동의어(Synonym)

1. Problem 정보 검색(IR)과 자연어 처리(NLP) 분야에서 동의어 문제는 오랜 기간 해결해야 할 과제로 여겨져 왔습니다. 특히, 의료, 법률, 기술, 금융 같은 전문 분야에서는 동일한 개념이 다양한 표현으로 사용됩니다. 이를 정확하게 매칭하지 않으면 중요한 정보를 놓칠 수 있습니다. 예를 들어, 의료 분야에서 "전자의무기록"과 "
10 min read
문맥을 이해하고 추론하다: Reranker를 통한 AI 기반 검색 혁신
AI

문맥을 이해하고 추론하다: Reranker를 통한 AI 기반 검색 혁신

생성형 AI의 환각을 줄이고 보다 정확한 답변을 제공하기 위해서는 RAG의 성능이 무엇보다 중요합니다. 이때 문서에서 가장 정확한 내용을 '검색(Retrieval)'하기 위해 다양한 기술적 발전이 있었습니다. 그 중에서도 올거나이즈의 Alli는 정밀도를 유지하면서도 보다 효율적인 Raranking 전략을 도입하였습니다. 문맥을 이해하고 추론하는 Reranker에 대해 올거나이즈 RAG팀의 조한준님과 이정훈 팀장님이 설명해
18 min read
생성형 AI 환각 해결 전략 - 하이라이트 구현
AI

생성형 AI 환각 해결 전략 - 하이라이트 구현

생성형 AI의 환각을 줄이기 위해 답의 근거가 되는 출처를 표기하는 서비스가 늘고 있습니다. 하지만 문서가 길고 복잡하면 출처 표기만으로는 근거를 제대로 찾기 어려운데요. 올거나이즈의 Alli는 근거를 하이라이트해서 표시해주고 있습니다. 하이라이트 기능이 필요한 이유와 구현 방법을 올거나이즈 이정훈 RAG 팀장이 설명해 드립니다.
10 min read
성공적인 RAG를 위한 리트리버 최적화 전략
AI

성공적인 RAG를 위한 리트리버 최적화 전략

LLM의 환각을 줄이는 RAG에 대한 관심이 높아지면서, 어떤 RAG 솔루션을 사용해야 답의 후보군을 잘 찾고 답을 생성할 수 있을지에 대한 고민도 커지고 있습니다. 올거나이즈 RAG팀에서 고성능의 리트리버 최적화를 위한 전략을 공유합니다. 키워드 검색과 의미기반 검색을 모두 사용하는 하이브리드 검색, 사례별 최적화 대응 방법을 자세히 설명 드립니다.
12 min read
💰2024 AI 인덱스 리포트 핵심 요약, 테크 기업 다음은 금융이다!
AI

💰2024 AI 인덱스 리포트 핵심 요약, 테크 기업 다음은 금융이다!

스탠퍼드 대학교 HAI에서 발간한 AI 인덱스 리포트가 공개되었습니다. 오픈AI의 GPT-4 학습 비용 약 1083억원, 구글의 제미나이 울트라(Gemini Ultra) 학습비용 약 2643억원 등 AI 모델 제작에 엄청난 비용이 소모되는 가운데, 기업에 미칠 경제적 영향력이 점점 더 중요해지고 있는데요. 생성AI로 생산성이 증가될 산업은 하이테크 다음으로 금융권인 것으로 나타났습니다. 502쪽 보고서 중 경제 챕터를 요약해 봤습니다.
9 min read
➡24년 달라진 LLM 소비 트렌드-제품 GPT, 테스트 구글, 파인튜닝 라마2
AI

➡24년 달라진 LLM 소비 트렌드-제품 GPT, 테스트 구글, 파인튜닝 라마2

여러분은 LLM 모델을 몇 개 사용하고 계신가요? 포춘 500대 기업 등에서 오픈AI만 썼던 작년과 달리, 올해는 3개 이상의 LLM 모델을 사용중입니다. 실제 프로덕션에는 여전히 오픈AI GPT가 많이 쓰이지만, 테스트 단계에서는 오픈AI보다 구글의 제미나이 모델을 더 많이 쓰고 있는데요. 기업들이 오픈 소스 모델에 대한 선호도가 높아지고 있는 것도 주목할만 합니다. 파인튜닝과 RAG가 점점 더 중요해지고 있습니다.
9 min read
한국어 실무 특화 '알파-인스트럭트' LLM 오픈소스 출시
AI

한국어 실무 특화 '알파-인스트럭트' LLM 오픈소스 출시

올거나이즈는 한국어 실무에 강한 알파-인스트럭트 LLM을 오픈소스로 출시했습니다. 라마3(Llama3) 기반의 8B 모델로 한국어 이해도가 높아 문서 생성 및 요약 등의 실무에 특화돼 있습니다. Logickor 리더보드에서 높은 점수를 기록중입니다. 알파-인스트럭트 모델에 대한 소개와 오픈소스로 공개한 이유, 제작 방식 등에 대해 자세히 설명합니다.
6 min read
RAG 리더보드 공개-금융, 공공, 의료, 법률, 커머스 한국어 RAG 성능 평가
AI

RAG 리더보드 공개-금융, 공공, 의료, 법률, 커머스 한국어 RAG 성능 평가

올거나이즈가 RAG 리더보드를 공개했습니다. 금융, 공공, 의료, 법률, 커머스의 한국어 RAG 성능을 평가하실 수 있습니다. 테스트 데이터 셋까지 모두 공개해 누구나 사용 가능합니다. 기업을 위한 RAG는 복잡한 표와 이미지에서도 답을 잘 찾을 수 있어야 합니다. 업종별 특징과 실무 문서 스타일을 반영한 RAG들을 비교해 보실 수 있습니다.
7 min read
[금융 LLM 시리즈 5] 금융 AI 모델 학습 파이프라인 및 Llama3 이후 전략
AI

[금융 LLM 시리즈 5] 금융 AI 모델 학습 파이프라인 및 Llama3 이후 전략

금융 LLM 시리즈 5편, 금융 모델 제작 후, 새로운 오픈소스 모델이 나오더라도 학습과 평가에 엔지니어의 시간이 많이 들어가지 않도록 학습 파이프라인을 자동화해야 합니다. 메타의 Llama 3 공개 이후 모델 기대체와 평가 데이터도 바뀌어야 하는 상황이 왔습니다. 올거나이즈 AI팀의 고민과 진행과정을 공유합니다.
4 min read
[금융 LLM 시리즈 4] 금융 전문 AI 모델 선정과 학습 방법
AI

[금융 LLM 시리즈 4] 금융 전문 AI 모델 선정과 학습 방법

금융 전문 AI 모델을 어떻게 학습해야 할까요? 일단 좋은 퀄리티의 금융 데이터도 확보해야 하지만, 파인 튜닝 전 파운데이션 모델도 잘 선택해야 합니다. 올거나이즈는 EEVE 모델을 선택해 QLoRA, Neftune, DPO 방법을 사용해 학습을 진행해 봤습니다. 금융 LLM 시리즈 4편, 금융 전문 AI 학습 방법에서 올거나이즈 AI팀의 고민과 진행과정을 공유합니다.
10 min read
[금융 LLM 시리즈 3] 금융 전문 AI를 위한 평가 전략
AI

[금융 LLM 시리즈 3] 금융 전문 AI를 위한 평가 전략

금융 전문 LLM의 성능은 어떻게 평가해야 할까요? 금융과 금융 문서를 이해하고, 복잡한 추론과 수식에 강해야 하는 LLM을 제대로 비교하고 평가하기 위해서는 정량평가와 정성평가가 모두 필요합니다. 금융 LLM 시리즈 3편, 금융 전문 AI를 위한 평가 전략에서 올거나이즈 AI팀의 고민과 진행과정을 공유합니다.
19 min read
[금융 LLM 시리즈 2] 금융 데이터 셋 구축 전략과 학습 예시 공개
AI

[금융 LLM 시리즈 2] 금융 데이터 셋 구축 전략과 학습 예시 공개

금융 AI 모델을 경량화하려면 특화된 데이터셋으로 학습시켜야 합니다. 올거나이즈의 금융 데이터 셋 구축 전략과 학습 예시를 공개합니다. 금융 LLM 시리즈는 온프렘 구축이 가능한 오픈소스 모델 중에서 성능 좋은 금융 AI 모델을 만들기 위한 올거나이즈 AI 팀의 고민과 진행 과정을 공유하고 있습니다.
19 min read
[금융 LLM 시리즈 1] 성능 좋은 금융 AI 모델의 정의와 평가 방법
AI

[금융 LLM 시리즈 1] 성능 좋은 금융 AI 모델의 정의와 평가 방법

오픈AI의 GPT-4나 앤트로픽의 클로드3는 성능이 뛰어나지만, 망분리 규제를 받는 금융권에서는 사용이 어려운 측면이 있습니다. 온프렘 구축이 가능한 오픈소스 모델 중에서 성능 좋은 금융 AI 모델을 만들기 위한 올거나이즈 AI 팀의 고민과 진행 과정을 공유합니다. 금융 전문 LLM의 정의와 이를 평가하기 위한 방법론에 대해 올거나이즈 신기빈 CAIO가 방향을 제시합니다.
18 min read
[올거나이즈] 금융 전문 LLM 리더보드 및 테스트 데이터 셋 공개
AI

[올거나이즈] 금융 전문 LLM 리더보드 및 테스트 데이터 셋 공개

올거나이즈가 금융 전문 LLM 리더보드와 테스트 데이터셋을 공개했습니다. 이를 통해 금융권 고객들이 자신의 업무에 적합한 LLM 모델을 효율적으로 평가할 수 있게 되었습니다. 금융 LLM 리더보드는 금융 용어와 복잡한 추론에 특화된 한국어 LLM의 성능을 평가하며, 테스트 데이터셋은 금융 문서 이해, 수식 계산, 표/차트 분석 등에 특화되어 있습니다. 금융 기업들이 LLM 도입 시 효율적인 성능 평가를 수행할 수 있을 것으로 기대됩니다.
7 min read