LLM(Large Language Model) 기반 AI 시스템 구축
정보관리기술사 제139회 2교시 15번 문항으로, 과목은 AI/신기술입니다.
원문 문제
정보관리기술사 제139회 15번. LLM(Large Language Model) 기반 AI 시스템 구축
- 가. 파인튜닝(Fine-Tuning)과 RAG(Retrieval-Augmented Generation)의 개념 및 역할
- 나. LLM 정렬을 위한 RLHF(Reinforcement Learning from Human Feedback) 기반 학습 파이프라인과 RAFT(Retrieval Augmented Fine-Tuning) 기반 학습 파이프라인 비교
핵심 키워드
- Large Language Model
- 파인튜닝
- Retrieval Augmented Generation
- RLHF
- 인간 피드백
- 모델 최적화
고득점 가이드 — 1. 개요
기업이 도메인 특화 LLM 기반 AI 시스템을 구축할 때, 사전 학습 모델에 도메인 지식을 반영하는 접근법과 모델을 인간 선호에 정렬하는 학습 파이프라인 선택이 핵심 설계 과제가 된다. 전자는 파인튜닝과 RAG로, 후자는 RLHF와 RAFT 파이프라인으로 대표되며, 아키텍트는 정확성·최신성·비용을 고려해 이를 조합한다.
목차 조립 훈련
출제 이력
- Large Language Model기출 1문항
- 파인튜닝기출 1문항
- Retrieval Augmented Generation기출 1문항
- RLHF기출 1문항
- 인간 피드백기출 1문항
- 모델 최적화기출 1문항
다른 회차에서 같은 키워드가 나온 문항이 아직 없어요.
같은 과목 문항
- 제139회 2번대수의 법칙과 중심극한정리1교시무료
- 제139회 3번Advanced RAG(Retrieval-Augmented Generation)와 Modular RAG(Retrieval-Augmented Generation) 비교1교시무료
- 제139회 8번과적합(Overfitting)과 과소적합(Underfitting)의 발생 원인과 해결 방안1교시무료
- 제139회 12번양자머신러닝(QML, Quantum Machine Learning)1교시무료
- 제139회 14번AI 리스크2교시무료
- 제139회 17번터보퀀트(TurboQuant)의 개념, 특징, 성능, 기존 양자화 기술과의 차이점, 기대 효과2교시무료