Notice
Recent Posts
Recent Comments
Link
| 일 | 월 | 화 | 수 | 목 | 금 | 토 |
|---|---|---|---|---|---|---|
| 1 | ||||||
| 2 | 3 | 4 | 5 | 6 | 7 | 8 |
| 9 | 10 | 11 | 12 | 13 | 14 | 15 |
| 16 | 17 | 18 | 19 | 20 | 21 | 22 |
| 23 | 24 | 25 | 26 | 27 | 28 | 29 |
| 30 | 31 |
Tags
- 공부
- 오블완
- PETERICA
- AWS Network
- Network
- docker
- LLM
- Rag
- golang
- AWS EKS
- Kubernetes
- Java
- tucker의 go 언어 프로그래밍
- Spring
- SRE
- 기록으로 실력을 쌓자
- kotlin coroutine
- 정보처리기사 실기 기출문제
- CKA 기출문제
- go
- 바이브코딩
- 코틀린 코루틴의 정석
- CKA
- aws
- aws vpc
- MySQL
- Claude
- kotlin
- AI
- 티스토리챌린지
Archives
- Today
- Total
목록D2L (1)
피터의 개발이야기
LLM은 언제 ‘기억’하는가 — RAG를 넘어서 D2L까지
[AI] Peterica의 AI공부와 비젼 정리ㅁ 들어가며 Sakana AI의 Doc-to-LoRA(D2L) 프로젝트를 살펴보면서, 기존에 내가 익숙하게 사용하던 RAG 구조를 다시 생각하게 되었다.문서를 검색해서 프롬프트에 붙이는 방식이 아니라, 문서를 모델 내부에 반영한다는 접근은 단순한 개선이 아니라 방향 자체가 다르게 느껴졌다. 특히 인상적이었던 점은,이 방식이 DB의 옵티마이저처럼 “실행 전에 구조를 바꿔 효율을 높인다”는 점에서는 유사하지만,결과적으로는 단순한 성능 개선이 아니라 결과 자체를 바꾼다는 점에서 전혀 다른 레벨의 기술이라는 것이었다. 이 글은 그 차이를 이해하기 위해 정리한 개인적인 학습 기록이다. ㅁ 우리가 익숙한 방식 — RAG는 무엇을 하고 있는가일반적인 LLM 시스템은 ..
AI/AI이론 | 공부
2026. 3. 30. 12:49