딥네트워크는 그동안 3 년 이상 초거대 모델 등등 관련 딥러닝 분야 논문을 최소 몇백편을 세부 검토분석을 했고 구글의 딥러닝 개발환경인 텐서플로우 환경에 대해서도 세부 분석작업을 진행했읍니다 ...
딥네트워크는 현재 초거대 모델의 모든 이슈에 대해 해결방안이 있는것은 아니지만 일부 이슈에 대한 해결 방안은 확보하고 있읍니다 ... 초거대 모델의 가능성을 확실히 제시한 GPT-3 모델의 세부분석은 나름 자신있게 분석되 있읍니다 ... 요즘엔 LLM 의 개발 이슈가 sLLM 으로 옮겨 가고 있고 또 그래서 딥네트워크 또한 sLLM 세부 이슈에 대한 기술 이슈 연구를 진행해서 나름 의미있는 분석 결과물도 확보하고 있읍니다 ...
제가 이렇게 말씀드리니까 그럼 논문 분석만 한것 아니냐고 하실수도 있는데 저의 경우 텐서플로우 개발환경에서 구글 트랜스포머 모델 설계를 텐서플로우 API 로 세부 구현하는 딥러닝 개발 노하우 또한 꽤 깊이있게 파악에 성공했읍니다 ... 구글 트랜스포머 모델 설계를 텐서플로우 환경에서 개발시 꼭 필요한 텐서플로우 API 의 인자들의 응용 방법도 나름 깊이있게 준비되 있읍니다 ....
초거대 모델 경량화의 핵심인 Quantization 기법과 지식 증류 구현 노하우도 아주 구체적으로 구현 노하우를 확보하고 있읍니다 ... Quantization 기법과 지식 증류 구현을 해외 논문에서는 어떤 설계 구조로 어떤 방식으로 구현했고 또 여기에 더해 텐서플로우 환경에서 API 를 어떻게 적용해 설계 하는가에 대한 노하우도 확보하고 있읍니다 ...
제가 운영하는 딥네트워크는 초거대 모델 내지 sLLM 구현 관련해서 국내외 글로벌 기업들의 LLM 과 sLLM 세부 이슈를 딥네트워크 또한 중요도가 있는것은 심도 있게 그동안 3 년 넘게 준비해서 확실하게 파악 성공했다고 말씀드릴수 있읍니다 ...
저 같은 딥러닝 일인기업 도 대기업 연구소에 버금가는 LLM 과 sLLM 관련 세부 이슈 분석 및 텐서플로우 API 로 그 구현 능력까지 딥네트워크도 여기에 글을 적을만큼 확실하게 준비되 있다는것을 말씀드리고 싶읍니다 ...
저도 제 LLM 과 sLLM 관련 세부 이슈에 대한 해결 방안 준비가 확실하니 진짜 의미있는 기업들과 기술 이슈에 대해 서로 협의해 보고 싶읍니다 ...