저자
Divya Sharma
Divya Sharma: ReviewRamble AI 용어집을 쓰고 있습니다. 지금까지 용어 219개를 쉽게 정의하고 출처를 밝혔습니다.
AI 용어집 219
- Abliteration(어블리터레이션)
- Agent2Agent 프로토콜
- AI 검색 엔진
- AI 공급망 공격
- AI 레드 티밍(AI red teaming)
- AI 벤치마크
- AI 아바타
- AI 어시스턴트
- AI 에이전트
- AI 에이전트용 OAuth
- AI 워터마킹
- AI 이미지 업스케일링
- AI 정렬
- AI 코드 에디터
- AI 크롤러
- AI 학습 데이터
- AIME(벤치마크)
- AI용 웹 크롤링(Web crawling for AI)
- API 키
- ARC-AGI
- Artificial Analysis Intelligence Index
- BM25
- BrowseComp
- C2PA 콘텐츠 자격 증명
- ControlNet
- CPU 오프로딩
- Elo 레이팅(모델 아레나)
- EU AI Act
- GGUF
- GPQA
- GPU
- GPU 클라우드
- GraphRAG
- HNSW
- HumanEval
- Humanity's Last Exam
- KV 캐시
- LLM 게이트웨이
- LLM 관측성(LLM observability)
- LLM 라우팅(LLM routing)
- LLM 평가
- LLM-as-a-judge
- llms.txt
- LMArena
- LoRA
- Matryoshka 임베딩
- MCP 리소스와 프롬프트
- MCP 서버(MCP server)
- MCP 전송 방식(stdio, Streamable HTTP)
- MCP 클라이언트(MCP client)
- MMLU
- Model Context Protocol
- MTEB
- NPU
- ONNX
- OpenAI 호환 API(OpenAI-compatible API)
- OSWorld
- PagedAttention
- pass@k
- PII 마스킹(PII redaction)
- ReAct(추론과 행동)
- RLHF
- Safetensors
- SOC 2
- SWE-bench
- Temperature(샘플링)
- Terminal-Bench
- Top-p 샘플링(Top-p sampling)
- TPU
- VRAM
- Weight-Space Programming(가중치 공간 프로그래밍)
- τ-bench
- 가드레일(AI)
- 가이던스 스케일(CFG)
- 검색 증강 생성(Retrieval-augmented generation)
- 검색 지표(recall@k, nDCG, MRR)
- 결정 모델
- 골든 데이터셋
- 광학 문자 인식(OCR)
- 구조화된 출력(Structured output)
- 그라운딩
- 근사 최근접 이웃 검색
- 노코드 AI 앱 빌더(No-code AI app builder)
- 대규모 언어 모델
- 데이터 레지던시
- 데이터 무보존(Zero data retention)
- 데이터 유출(AI 에이전트)
- 도구 포이즈닝(Tool poisoning)
- 도구 호출
- 딥 리서치(AI)
- 딥페이크
- 레이아웃 분석
- 로컬 LLM(Local LLM)
- 리더보드(AI)
- 리랭킹(Reranking)
- 립싱크(AI 영상)
- 멀티 에이전트 시스템(Multi-agent system)
- 멀티모달 모델(Multimodal model)
- 메타데이터 필터링(Metadata filtering)
- 모델 가중치(Model weights)
- 모델 라이선스(Model license)
- 모델 서빙(Model serving)
- 모델 카드(Model card)
- 모델 파라미터(Model parameters)
- 모델 폴백
- 문서 파싱
- 바이브 코딩(Vibe coding)
- 배치 API
- 베이스 모델
- 벡터 검색(Vector search)
- 벡터 데이터베이스(Vector database)
- 벤치마크 오염
- 보상 모델(Reward model)
- 보이스 클로닝(Voice cloning)
- 브라우저 에이전트
- 비전 언어 모델(Vision-language model)
- 사고의 사슬(Chain-of-thought)
- 사전 학습(Pretraining)
- 상태 공간 모델(State space model)
- 생성형 엔진 최적화
- 서버리스 GPU(Serverless GPU)
- 서브에이전트(Subagent)
- 셀프 호스팅(AI 모델)
- 소형 언어 모델(Small language model)
- 속도 제한(Rate limit, API)
- 수치 정밀도(FP16, BF16, FP8)
- 스트리밍(LLM 출력)
- 스펙 주도 개발(Spec-driven development)
- 슬래시 명령(Slash command)
- 시맨틱 캐시(Semantic cache)
- 시스템 프롬프트(System prompt)
- 양자화(Quantization)
- 어텐션 메커니즘
- 에이전트 권한
- 에이전트 루프
- 에이전트 메모리
- 에이전트 샌드박스
- 에이전트 스킬
- 에이전트 오케스트레이션
- 에이전트 지침 파일(AGENTS.md)
- 에이전트 프레임워크
- 에이전트 하네스
- 에이전트 훅
- 에이전틱 AI
- 에이전틱 RAG
- 연속 배칭
- 오픈 웨이트 모델(Open-weight model)
- 오픈소스 AI(Open source AI)
- 워크플로 자동화(AI)
- 워크플로와 에이전트
- 월드 모델(World model)
- 음성 대 음성 모델(Speech-to-speech model)
- 음성 에이전트(Voice agent)
- 음성 인식(Speech-to-text)
- 음성 합성(Text-to-speech)
- 이미지 투 비디오
- 이미지 투 이미지
- 인간 평가
- 인스트럭트 모델
- 인페인팅과 아웃페인팅
- 임베딩
- 임베딩 차원
- 자기회귀 모델
- 전문가 혼합(Mixture of experts)
- 제로샷(Zero-shot)
- 지도 파인튜닝(Supervised fine-tuning)
- 지식 그래프
- 지식 베이스(AI)
- 지식 증류
- 지식 컷오프
- 지연 상호작용(ColBERT)
- 직접 선호 최적화(DPO)
- 첫 토큰까지의 시간(Time to first token)
- 청킹
- 초당 토큰 수(Tokens per second)
- 추론 모델(Reasoning model)
- 추론 제공업체
- 추론(인퍼런스)
- 추측 디코딩(Speculative decoding)
- 출력 토큰(Output tokens)
- 컨텍스트 부패
- 컨텍스트 압축
- 컨텍스트 엔지니어링
- 컨텍스트 윈도
- 컴퓨터 사용
- 코딩 에이전트
- 코사인 유사도
- 쿼리 재작성(Query rewriting)
- 크로스 인코더
- 탈옥(LLM)
- 테스트 타임 컴퓨트(Test-time compute)
- 텍스트 투 3D(Text-to-3D)
- 텍스트 투 뮤직(Text-to-music)
- 텍스트 투 비디오(Text-to-video)
- 텍스트 투 이미지(Text-to-image)
- 텐서 병렬화(Tensor parallelism)
- 토크나이저(Tokenizer)
- 토큰 가격(Token pricing)
- 토큰(LLM)
- 통합 메모리(Unified memory)
- 트랜스포머(아키텍처)
- 파라미터 효율적 파인튜닝(PEFT)
- 파운데이션 모델
- 파인튜닝(미세 조정)
- 표 추출(Table extraction)
- 퓨샷 프롬프팅
- 프런티어 모델
- 프롬프트 엔지니어링(Prompt engineering)
- 프롬프트 인젝션(Prompt injection)
- 프롬프트 캐싱(Prompt caching)
- 하이브리드 검색
- 합성 데이터(Synthetic data)
- 화자 분리(Speaker diarization)
- 확산 모델
- 확산 언어 모델
- 환각(AI)
- 회귀 테스트(LLM 앱)
- 휴먼 인 더 루프
- 희소 검색(Sparse retrieval)