이 작성자와 연결된 문서를 한곳에서 모아보고, 관련 태그를 따라 같은 맥락의 문서를 이어서 탐색할 수 있습니다.
자주 함께 등장한 태그
총 56건 중 49-56건
Stanford CS336 Lecture 17: Alignment Multimodality는 텍스트 중심 언어 모델을 이미지·비디오까지 다루는 멀티모달 모델로 확장할 때, 핵심 병목이 “비텍스트 정보를 어떤 토큰·임베딩으로 바꿔 transformer에 넣고 학습할 것인가”에 있음을 보여준다.
Serving Transformers의 핵심은 모델을 잘 만드는 것을 넘어, 워크로드·지연 시간·하드웨어·관측성·최적화를 함께 설계해 실제 inference를 안정적으로 돈이 되는 서비스로 만드는 것이다.
Geometry in Robot Learning의 핵심은 로봇 학습을 무작정 더 큰 데이터와 모델로 밀어붙이기보다, 기하·대칭성·좌표계 구조를 모델에 넣어 데이터 효율성과 자세 일반화를 높이려는 것이다.
Stanford CME296 Diffusion & Large Vision Models Lecture 8의 핵심은 이미지 생성이 DDPM·score matching·SDE를 거쳐 flow matching과 DiT 중심으로 정리되고, 그 흐름이 비디오 생성·이미지 편집·텍스트 확산까지 확장된다는 점이다.
Stanford CME296 Lecture 7 Evaluation은 텍스트 이미지 생성 모델 평가가 “보기 좋은가”와 “프롬프트를 따르는가”에서 출발해, 인간 선호·분포 기반 지표·지각 유사도·멀티모달 judge까지 확장되는 문제임을 보여준다.
The Road Ahead: Resilience Required의 핵심은 사이버보안이 데이터 유출 대응을 넘어 운영 복원력, 투명한 커뮤니케이션, 법적 책임을 동시에 견디는 리더십 문제로 바뀌었다는 점이다.
Stanford CS336의 Post Training RLVR 강의는 RLHF의 보상 모델 한계를 넘어, 검증 가능한 보상을 가진 수학·코딩형 문제에서 GRPO와 RLVR이 어떻게 thinking model의 핵심 학습 경로가 되는지를 설명한다.
Stanford CS153에서 Jensen Huang은 Frontier Systems와 NVIDIA의 지능 뒤 컴퓨트 가 단순 GPU 성능 경쟁이 아니라, AI 시대의 소프트웨어·아키텍처·에너지·산업 전략 전체를 다시 설계하는 문제라고 설명한다.
