벤치마크는 좋은 도구지만, 이는 완벽한 비교도구가 아닌 프록시이다. AI 모델이 새로 나올 때마다 몇몇 사람들은 벤치마크의 성적을 비교하며 특정 모델을 칭찬하고는 한다. MMLU, GPQA-D, SWE-bench, Terminal-bench 같은 이름들이 줄줄이 붙고, 표와 차트로 비교되는 각 숫자는 마치 모델의 역량을 쉽게 비교할 수 있을 것처럼 보인다. 그러나 정작 그

주변의 일부는 "기본적인 챗봇 서비스에서 질문하고 복사하고 붙여넣기"를 바이브코딩이라 착각하고 있었다. 그런데 이것은 단순히 지금 우리가 이야기하는 바이브코딩과는 괴리가 있다. 바이브코딩에는 다양한 방법론이 존재한다. 현재 바이브코딩을 한다고 하면 크게 3가지 레이어로 나는 분리해서 이야기한다. 1. SaaS 플랫폼 - 원하는 요청 사항이 바로 웹 또는 앱 레벨에서 개발되는 플랫폼.

AI 모델은 기본적으로 데이터 간의 관계를 통해 확률을 학습하는 형태입니다. 즉 모든 것에 대해 결정론적으로 정답을 만들지는 못한다는 것입니다. "인식"라는 것도 어떻게 보면 확률입니다. 강아지를 보고 이를 인식한다는 것은 내가 보고 있는 것이 강아지로 보일 확률이 매우 높기에 강아지로 인식하게 되는 것이죠. 강아지도 종류는 매우 많고 우리는

ChatGPT는 사람과 같은 질의응답 텍스트를 생성하기 위해 고안된 GPT(Generative Pre-trained Transformer) 기반 챗봇(ChatBot)입니다. ChatGPT: Optimizing Language Models for DialogueWe’ve trained a model called ChatGPT which interacts in a conversational way. The dialogue format makes it possible for ChatGPT to answer followup questions, admit its mistakes,