You can not select more than 25 topics Topics must start with a letter or number, can include dashes ('-') and can be up to 35 characters long.
 
 

70 lines
2.1 KiB

WEBVTT
00:00.350 --> 00:02.270
이번 주를 즐기셨길 바라요
00:02.270 --> 00:03.800
할 일이 산더미예요
00:03.800 --> 00:10.190
다양한 기술과 모델로 실험을 해 봤는데요 많은 걸 배우셨길
00:10.190 --> 00:11.120
바라요
00:11.270 --> 00:17.660
현재 여러분은 인공지능 어시스턴트를 포함한 프론티어 모델을 코딩할 수 있을 뿐 아니라
00:17.660 --> 00:24.770
리더보드 분야에서 정확한 모델을 선택할 수 있을 뿐 아니라 코드를 생성하기 위해 프론티어와 오픈
00:24.770 --> 00:31.640
소스 모델을 사용할 수 있습니다 또한 여러분의 도구 벨트에 추가할 추가적인 도구로 말이죠
00:31.670 --> 00:41.750
또한 얼굴을 안는 기능성으로 모델을 엔드포인트로서 배포할 수 있죠
00:41.750 --> 00:45.470
그 모든 기술을 가진 걸 축하해요
00:45.620 --> 00:51.440
그리고 저처럼 실망하셨을지도 모르겠네요 오픈 소스가 기대에 못
00:51.440 --> 00:54.080
미쳐서요 하지만 잘 해냈죠
00:54.080 --> 00:55.280
정말 재미있었어요
00:55.280 --> 01:02.690
파이썬 을 C++로 최적화하는 많은 작업들을 할 수 있습니다 코덱스가 잘 될 것이라는 것을 알 수 있죠
01:02.750 --> 01:10.250
하지만 따지고 보면 1명보다 훨씬 많은 70억 매개 변수 모델을 상대하는
01:10.280 --> 01:17.810
건 힘들어요 76조 개의 매개 변수 모델로 GPT 4와 GPT 4 클로드 3이 있었죠 소네트 5편이 훨씬 크다고
01:17.810 --> 01:19.070
여겨지죠
01:19.070 --> 01:22.880
딱히 공평한 경기는 아니었죠
01:22.880 --> 01:28.580
그 상황에서 코덱스는 아주 잘 해냈어요
01:28.640 --> 01:34.940
다음에는 오픈 소스와 폐쇄 소스 모델을 비교하고 성능을 비교하고 코드
01:34.940 --> 01:42.710
생성을 위한 상업적 이용 사례를 얘기하고 모든 종류의 작업에 이런 코드 생성 기술을 사용하는
01:42.710 --> 01:46.760
솔루션을 만들 수 있는지 얘기할 거예요
01:46.760 --> 01:47.840
정말 기대돼요
01:47.840 --> 01:48.710
그때 봐요