스캐터랩 블로그 최신 글

전문가의 절반을 내보냈습니다

전문가는 덜고, 대화량은 1.6배로

폭풍우의 끝에서 제타民을 만나다

하라주쿠에서 열린 zeta의 첫 오프라인 이벤트를 소개합니다.

비용과 성능을 한번에 - 언어 특화 토크나이저 도입기

같은 말을, 절반의 토큰으로

zeta labs 개발기 - AI와 함께라면 누구나 만들 수 있다

어느 날 대표님이 이제 개발자는 필요 없다고 말했다

유저와 함께 만드는 LLM 2편 — 제타에 Online Learning 도입하기

유저와 함께 만드는 LLM — 제타에 Preference Optimization 도입하기

ChatGPT보다 오래 사용하는 AI 서비스, 그 뒤의 백엔드 팀 이야기

월 150만 유저가 사용하는 LLM Inference 인프라 안정적으로 운영하기

스캐터랩이 가장 재밌는 LLM을 찾는 방법

실제 제품에서 유저 반응으로 LLM 평가하기: A/B 테스트·MAB·리더보드

제타의 매력을 세상에 전파하는 팀

AI 엔터테인먼트 제품은 어떻게 만들까?

제타의 해자(Moat)를 만들어 나가는 이야기 - 제품팀 리드 정지수님

zeta: 엔터테인먼트의 새로운 패러다임

일주일에 12시간을 사용하는 AI 엔터테인먼트 서비스를 소개합니다.

매주 새로운 LLM 모델을 배포하는 제타의 AI 팀 이야기

유저들이 일주일에 12시간 사용하는 AI 모델은 어떻게 만들어질까요?

RLHF 외에 LLM이 피드백을 학습할 수 있는 방법은 무엇이 있을까?

"RLHF 외에 Human feedback을 학습할 수 있는 방법론들에 대해서 소개하고 핑퐁팀에서 실험한 경험을 공유합니다."

루다 서버에서 루다의 개인화 메시지를 처리하는 방법

"루다 서버에서 루다의 개인화 메시지를 처리하는 방법과, 그 과정에서 주의가 필요했던 점들에 대한 글입니다."

루다 선톡을 대비하는법

트래픽이 갑자기 증가할 때 어떻게 대응할까요?"

멀티턴 이미지 대화: 조규성 vs 안정환, 루다야 누가 더 잘생겼어?

포토챗 베타보다 개선된 궁극의 이미지 대화 모델을 만드는 과정을 다룹니다.

최대 24배 빠른 vLLM의 비밀 파헤치기

"최대 24배의 성능을 보인 vLLM, 코드 레벨까지 분석해보자!"

감성 AI 시장, 얼마나 커질까?

"해외에서 인기 있는 감성 AI 서비스들은 무엇이고 왜 잘될까? 국내 서비스 중에는 어디에 감성 AI를 접목시킬 수 있을까?"

더 나은 생성모델을 위해 RLHF로 피드백 학습시키기

Human feedback을 학습할 수 있는 RLHF 방법론에 대해서 소개하고 루다에 적용한 사례한 경험을 공유합니다.