공지사항

모임 시간: 3시간, 오프라인 모임만 시작 시간이 7시로 확정되었습니다.
랩장과의 1:1 미팅도 신청을 받고 있습니다. 인원이 많은 관계로 희망하시는 분만 30분 내외로 진행 예정입니다. 온/오프라인/유선 통화 다 괜찮습니다. 희망하시는 분은 연락주세요!
모임 전 랩장 Action item
모임 전 Action Item
모임 후 Action Item
- [ ] 팀 리더 및 저자 순서 정하기

LAB 소개

👀챗GPT로 대표되는 생성AI 시대에 🔎LLM 실험연구실은 보다 실질적인 "활용"에 집중해요. 여러분들은 챗GPT에게 "천천히 심호흡을 하고 차근차근 문제를 풀어봐" 라고 할 때, 정확도가 두 배 이상 향상되는 걸 알고 계셨나요? (34% -> 80.2%) 단순해보이는 이와 같은 실험 결과는 놀랍게도 구글의 딥마인드에서 발표한 논문이어요. [1]

💬챗GPT 같은 LLM 연구는 엄청난 GPU 파워를 가진 OpenAI, MS, Google 등에서만 진행할 수 있는 연구아니냐고요? 직접 LLM을 만드는 게 목표라면 그럴지도 모르지만 응용 연구에서는 그렇지 않아요. 풀고 싶은 문제와, 학습 시킬 수 있는 데이터, LLM 실험 환경만 갖춰진다면 누구나 할 수 있어요. LLM 실험연구방법은 실제 대학에서 재직 중인 랩짱이 알려줄거에요. 데이터는 함께 모을 수 있어요. 풀고 싶은 문제가 있나요? LLM 실험연구실과 함께해요! 🤗

[1] Yang, C., Wang, X., Lu, Y., Liu, H., Le, Q. V., Zhou, D., & Chen, X. (2023). Large language models as optimizers. arXiv preprint arXiv:2309.03409.

LAB 계획

주 1회 온라인 랩미팅을 기반으로 월 1회 모두연 강남 센터(혹은 신촌 세미나실)에서 오프라인으로도 만나요.
지방에 있어 피치 못하게 참석이 어려운 분들을 위해 오프라인 모임에서도 온라인 참여 링크를 공유해드려요.
관심사나 주제에 따라 3~5명씩 Co-Author 팀을 만들어요.
초기에는 다양한 LLM 실험 연구 논문을 리뷰하며 서로를 알아가요.
랩짱 주도로 인과관계 추론, LLM 실험 연구 방법론을 알려드려요.
세션을 마치면 Vector DB를 통한 나만의 LLM을 만들 수 있게 되어요. (참고: https://kanonup.com/chatgpt-algo/ )
LLM을 만들고 본격적인 실험을 진행해요.
데이터를 분석하고 논문 작업을 진행해요.