텍스트넷 공식 블로그
Data-Centric AI를 위한 인사이트
LLM 데이터 전략 : 단 1개월, 제조 현장 챗봇의 정확도를 51%에서 87%로 끌어올린 비밀
제조 현장에서 실제로 쓰이는 LLM 챗봇, 어떻게 1개월 만에 정확도를 51%에서 87%로 끌어올렸을까요? 비정형 문서, 작업 절차, 현장 언어까지 모두 대응한 RAG 챗봇 프로젝트의 생생한 사례를 공개합니다. 전처리 전략부터 프롬프트 설계, 테스트 시나리오와 개선 과정까지, LLM을 실전 투입하기 위한 데이터 전략에 대해 알아보세요.
모델 성능 향상을 위한 LLM 데이터 정제 및 학습 데이터 구축 사례
대규모 언어 모델(LLM)의 데이터 정제와 학습 데이터 구축 방법, 효과적인 데이터 품질 개선과 모델 성능 향상을 위한 노하우를 알아보세요.
정확한 정보 제공을 위한 RAG 기반 QA 데이터 구축 사례
보다 정확한 정보를 제공하기 위한 RAG. RAG의 효율을 극대화하기 위한 QA 데이터셋은 어떻게 구축할 수 있는지 알아보세요.
객관적 평가와 개선을 위한 LLM 기반 대화형 AI 사용성 평가 사례
어떤 기준으로 평가를 해야 객관적인 평가를 할 수 있을까요? 대규모 언어 모델(LLM) 기반 대화형 AI의 사용성 평가를 위한 효과적인 평가 사례를 알아보세요.
