안녕하세요! 지난 Agent 포스팅에 이어서 이번엔 Agent의 도구에 대해 더 심도있게 다루는 포스팅을 작성해보았습니다. 특히 2025년 상반기 쯤에 핫했던 MCP에 대해서도 다뤘으니 MCP에 대해 애매하게 알고 계셨던 분들께 이 글이 도움이 되었으면 좋겠네요 ㅎㅎ 먼저, 전반적인 내용은 구글의 에이전트 백서 기반인 점 알려드립니다. https://www.kaggle.com/whitepaper-agent-tools-and-interoperability-with-mcp Agent Tools & Interoperability with MCP www.kaggle.com 그러면 AI Agent 구성요소 중에서도 세상과 에이전트를 연결해주는 '도구'에 대해 알아보러 가볼까요~? AI Agent Tools..

안녕하세요! 그동안 밀린 포스팅을 하느라 자주 찾아뵙네요 ^3^최근 VLA 모델이 활용된 과제에 투입되었기도 하고 멀티 모달에도 관심이 많아지면서 VLA에 대해 흥미가 생겼었는데요.AI 발전 속도가 엄청 빠른 만큼 Physical AI를 체감할 날도 얼마 남지 않았다고 생각하였고, 따라서 AI를 업으로 삼고 있는 사람인 만큼 이러한 변화에 빠르게 대응해야 겠다고 생각하였습니다. 그래서 이번 포스팅에서는 모두의 연구소에서 진행되었던 라는 세미나를 베이스로 이것저것 알아보며 VLA 관련 지식들을 정리하였습니다.https://www.youtube.com/watch?v=YNI6c76Xu9I 세미나 후반에 VLA 모델들의 발전 흐름을 다루고 있었는데 노베이스인 관계로 해당 내용은 조금 이해하기 어렵더라구요.. ..

2025년 AI 산업에서 가장 뜨거웠던 키워드 중 하나가 "AI 에이전트"입니다.단순히 그냥 질문하면 대답해주는 AI를 넘어서 마치 스스로 생각하고 행동하는 이 에이전트야 말로 자비스의 초기 모델이 아닌가 하는 생각이 드는데요!그래서 저도 이번에 핫한 Agent를 공부하기 위해 를 시작하여 제가 이해한 바를 블로그에 작성해보려 합니다. 아래 내용은 모두 구글의 에이전트 백서를 기본으로 하는 점 참고 부탁드립니다. https://rsvp.withgoogle.com/events/google-ai-agents-intensive_2025/home 5-Day AI Agents Intensive Course with GoogleJoin our 5-day AI Agents Intensive Course with G..

안녕하세요!오늘 포스팅은 ONNX 초심자들을 위한 포스팅으로, 제가 초심자로서 가졌던 질문과 그에 대한 생각에 대해 정리해 놓은 것입니다. 실습 코드도 포함되어 있으니 ONNX를 처음 접해서 난감하셨던 분들께 많은 도움이 되었으면 좋겠습니다. 그럼 시작하겠습니다. ONNX는 무엇일까요? ONNX는 이름 그대로 Open Neural Network eXchange, 서로 다른 머신러닝 프레임워크 (PyTorch, Tensorflow, …)가 모델을 설명하는 데 사용할 수 있는 공통 언어를 제공하는 것을 목표로 합니다. 우리는 보통 PyTorch나 TensorFlow 같은 프레임워크로 모델을 학습하는데, 막상 학습이 끝나고 “이 모델을 실제 서비스에서 빠르고 안정적으로 돌려야 한다”는 단계에 오면 곤란해집니..

안녕하세요!오늘은 혁신적인 검색 기법을 제안하고 있는 MUVERA 라는 논문을 깊게 공부해보는 시간을 갖겠습니다. 오늘 살펴볼 MUVERA는 구글 리서치에서 작년 5월에 발표한 논문으로, 다중 벡터 유사도 검색을 단일 벡터 검색으로 변환하는 혁신적인 다중 벡터 검색 알고리즘을 제안합니다. Introduction 먼저 임베딩 모델 기반 검색 시스템의 발전에 대해 살펴보도록 하겠습니다. 임베딩 모델과 단일 벡터 모델 딥러닝 기반 임베딩 모델은 방대한 데이터셋에서 사용자 쿼리에 대한 연관 정보를 빠르게 찾기 위한 핵심적인 도구로 사용되고 있는데요.이에 따라 단일 벡터 모델이 등장하게 됩니다. 단일 벡터 모델이란 문서나 질의당 하나의 임베딩 벡터를 생성하고, 내적 기반 유사도 계산(MIPS, Maximu..

필자는 지금 회사에서 하고 있는 프로젝트 수행 중에서 검색 기능을 구현하고 있다. 지금은 기본적인 RAG에서의 검색 기능만 갖추고 있기에 현재까지 구현된 검색 기법은 어떤 기술에 비롯되었는지, 또 이를 어떻게 고도화할 수 있을지에 대해서 알아보았다. 아래는 아래 글의 요약이다. Hybrid Search (BM25 + bi-encoder): 키워드와 의미를 모두 반영하여 다양한 질의 유형에 강건한 검색 성능 확보 가능. Cross-Encoder Reranking: 빠른 초기 검색(Hybrid Search) 후 후보 문서의 정밀 재정렬. 정답 문서가 context 상위에 배치되도록 하여 응답 품질 향상. Query Expansion: 사용자의 표현력에 의존하지 않고 다양한 질의 버전을 생성해 검색 re..