IT에반젤리스트

1) 기본프롬프트 예시번호문항 예시1"서울 날씨를 알려줘"라는 프롬프트에 대해 더 구체적이고 출력 일관성을 높이도록 개선해보세요.2다음 문장은 어떤 문제점을 가지고 있나요? → "자연어 처리에 대해 뭔가 말해줘."3프롬프트에서 temperature를 1.0으로 설정했을 때와 0.2일 때 어떤 차이가 발생하나요?4Zero-shot 프롬프트의 예시를 작성하고, 그것이 어떻게 작동할지 설명하세요.5아래 예시 중 명확한 프롬프트는 무엇인가요? (객관식)6"5살 아이에게 블랙홀을 설명해줘"는 어떤 유형의 프롬프트 전략인가요?7아래 프롬프트를 명확하게 개선해보세요: "회사 소개서 만들어줘."8사용자의 목적에 따라 동일한 내용을 어떻게 다르게 표현할 수 있을까요? (예: CEO용 vs 고객용 요약)9"이메일을 작성해..

!pip install sentence-transformers scikit-learn matplotlib!pip install faiss-cpu from sentence_transformers import SentenceTransformerimport faissimport numpy as np# 1. 임베딩 모델 불러오기 (문장을 숫자 벡터로 변환해줌)#model = SentenceTransformer("all-MiniLM-L6-v2") # 속도와 정확성 균형# 1. 로컬 모델 저장 경로model_dir = "./local_model/all-MiniLM-L6-v2"# 2. 모델 로드 또는 저장if not os.path.exists(model_dir): print("모델 다운로드 중...") ..

대부분자료에서 RAG생성시 BERT계열의 임베딩 모델을 사용하면전처리(동의어, 불용어) 처리가 필요없다는 내용이 많다. 하지만 기본 AI구축 모델의 특성상 동의어 처리가 성능개선에 도움이 된다는건 알고 있었는데 BERT같은 Transformer계열에서는 필요없다는 의견이 많아서 정리를 했습니다. 문서 벡터화(RAG 리트리버 구성)를 할 때 전처리를 어느 수준까지 해야 하는지, 특히 동의어 처리나 토큰 정제가 필요한지 여부는 성능과 정밀도에 큰 영향을 미칩니다.✅ 전제: BERT 기반 임베딩 모델의 특징BERT류(예: sentence-transformers, OpenAI Embeddings, E5, ColBERT, MiniLM)는 subword 토크나이저와 contextual embedding을 사용따..