전통 머신러닝 vs LLM 분류 성능 비교: 보안 탐지에서 드러난 제로샷 언어 모델의 한계
익스펠의 사이버 데이터 사이언티스트가 네트워크 패킷 데이터로 전통 머신러닝과 언어 모델의 분류 성능을 비교했다. 정밀도와 재현율은 전통 모델이 앞섰지만, 학습이 필요 없는 제로샷 분류라는 언어 모델의 장점도 함께 확인됐다.
핵심 내용 읽기 →
AI TOPIC
제로샷 학습 최신 뉴스와 핵심 해설
제로샷 학습 관련 핵심 뉴스와 활용 인사이트 3편을 최신순으로 모았습니다.
CLIP 원리와 제로샷 분류: 버클리 CS 198-126 강의로 이해하는 멀티모달 표현 학습
이미지와 캡션을 같은 잠재 공간에 맞추는 CLIP의 대조 학습 방식, 미세조정 없이 분류가 되는 제로샷 예측의 원리, 그리고 사진으로 배운 모델이 스케치 앞에서 무너지는 분포 변화 문제를 버클리 학부 강의로 정리했다.
핵심 내용 읽기 →
CLIP 원리 쉽게 정리 — 이미지·텍스트 임베딩과 대조 학습, 제로샷 분류가 되는 이유
이미지 인코더와 텍스트 인코더를 같은 임베딩 공간에 맞추는 CLIP의 대조 학습 방식과, 학습 때 본 적 없는 데이터도 분류해내는 제로샷 추론의 원리, 그리고 선형 프로브의 쓰임새까지 차근차근 정리했습니다.
핵심 내용 읽기 →