용어 색인

AI 문서에서 반복해서 만나는 말을 짧게 고정합니다.

색인은 완전한 사전이 아니라 빠른 판독을 위한 첫 단서입니다. 같은 단어가 제품 문서, 연구 글, 운영 문서에서 어떻게 달라지는지 살피기 위한 기준점을 제공합니다.

모델

파라미터: 모델이 학습으로 조정한 내부 값. 크기 비교에는 쓰이지만 품질 전체를 대신하지 않는다.
컨텍스트 창: 한 번에 참고할 수 있는 입력과 출력의 범위. 길수록 좋지만 검색과 요약 설계가 함께 필요하다.
멀티모달: 텍스트 외에 이미지, 음성, 영상 같은 입력을 함께 다루는 모델 특성.

데이터

정제: 중복, 오류, 민감 정보를 줄여 학습이나 검색에 맞게 만드는 과정.
라벨링: 데이터에 정답이나 분류 기준을 붙이는 작업. 평가와 미세조정의 기반이 된다.
스니펫: 검색 또는 답변에 쓰기 좋게 잘라 둔 짧은 문서 조각.

프롬프트

역할 지시: 모델이 어떤 관점과 책임으로 답해야 하는지 정하는 문장.
출력 형식: 표, JSON, 단계별 설명처럼 결과의 모양을 미리 정하는 규칙.
예시 기반 지시: 원하는 답변의 표본을 보여 주어 패턴을 맞추게 하는 방식.

평가

회귀 테스트: 변경 뒤 기존에 잘 되던 답변이 망가지지 않았는지 확인하는 검사.
정답성: 생성된 내용이 사실과 요구 조건에 맞는지를 보는 기준.
근거성: 답변이 참조 문서나 데이터와 얼마나 잘 연결되는지를 보는 기준.