Embedded Files
LLM
LLM
DILAB은 LLM의 능력을 활용하거나 한계를 분석하여 차세대 AI 기술 발전에 기여하고자 합니다. 이를 위해 사용자 상호작용을 위한 Chatbot, Probing LLM, RAG 연구 및 프로젝트를 중점적으로 진행합니다.
Multi-hop QA with RAG (네이버)
Probing LLMs
Chatbot with Public Data (서울시)
Multi-hop QA with RAG (네이버)
Multi-Hop 질문에 대해 RAG의 사용이 LLM-only 방식에 비해 반드시 성능 향상을 보장하지 않으며, 오히려 연산 비용 측면에서 비효율적일 수 있음을 실험적으로 규명
Vision - Language Models
Vision - Language Models
DILAB은 시각적 데이터와 언어적 데이터를 동시에 이해하고 두 정보 간의 관계를 학습하는 Multi-modal AI를 연구하고 있습니다. 이미지에 대한 설명을 생성하거나, 이미지에 대한 질문에 답하는 등 시각과 언어의 상호작용이 필요한 다양한 작업을 효율적으로 진행하는 방법을 연구하고 있습니다.
Knowledge-based VQA (ETRI)
Compressing VL rep with VectorDB (ETRI)
Compressing VL rep with VectorDB (ETRI)
LLM을 이용해 초기 검색어를 명사 중심으로 재작성하여, 기존 시각-언어 모델(VLM)의 특정 품사(동사, 형용사 등)에 대한 텍스트-이미지 검색 성능 저하 문제를 해결
(2025년 3차 년도 추가 연구 진행)
Domain-specific Text Analysis
Domain-specific Text Analysis
DILAB은 도메인 특화 (Domain-specific) 텍스트 분석을 통해 특정 분야의 방대한 데이터 속 숨겨진 의미와 가치를 발견하고, 이를 바탕으로 복잡한 문제를 해결하며 새로운 인사이트를 창출하는 연구를 수행합니다.
한글 소설 분석 (어포나티)
지적재산권 문서 중복 검출 (두다지)
한글 소설 분석
한글 소설 데이터를 기반으로 각각의 소설의 분위기나 대사의 발화자를 자동으로 탐색하여
2차 저작물 창작과 콘텐츠 활용에 사용 가능한 데이터 생성
Page updated
Google Sites
Report abuse