Hands-on
Search
目次
1. 課題設定
2. 全体パイプライン概要
3. 学習レシピ①：多様な文書収集
4. 学習レシピ②：合成クエリ生成
5. 学習レシピ③：Hard Negative Mining
comsat-embed公開：日本語検索ベンチマーク1位の埋め込みモデル
日本語検索ベンチマーク1位の埋め込みモデルの作り方を共有します。
유대곤 / AI/ML Researcher
Embedding
MTEB
SoTA
cleanUrl: "/cuda-tokenizer"
floatFirstTOC: left
CUDA Cレベルで韓国語と日本語のトークナイザーを実装する。
韓国語と日本語のトークナイザーを実装
高錫賢 / CEO
OOV
CUDA
Tokenizer
極めてプライベートな私だけのLLM、作れるのか？[第２弾- WebGPU Build & Run］
個人の使い方に合わせた超巨大言語モデルの活用
金德顯 キム ドクヒョン / Head of Development
LLM
compilation
WebGPU
極めて私的な私だけのLLM、作れるのか? [第１弾ーファインチューニング]
非暴力的、非倫理的な出力を検証できるデータセット
朴 ジンヒョン(Sigrid Jin) / Software Engineer, Sionic AI
Finetuning
Llama
ファインチューニング
大規模言語モデル
LLM
Vector Database構築のハンズオン
Vector Database構築実習
宋明河 / MLOps Engineer
Vector Database
NLP
WebGPUによるプライベート生成AIのHybrid Inference
WebGPUによるパーソナライズ生成人工知能の推論方法論の紹介
高錫賢 / CEO
WebGPU
AI
Hybrid Inference
