KBR's Stacked Thoughts

Day 4에서는 도메인 특화 LLM(Domain-Specific LLM)의 개념과 활용에 대해 다룬다.
SecLM, MedLM/Med-PaLM 같은 모델들의 사례를 통해, 특정 분야 문제를 해결하는 데 특화된 언어 모델을 어떻게 설계하고 사용하는지를 배워본다.

기존의 범용 LLM과는 다른 구조나 데이터 설계가 필요한 상황을 이해하고, 실제 데이터를 활용해 모델을 튜닝하거나 Google Search와 연결해 외부 지식을 반영하는 실습도 진행된다.

🎒 Today’s Assignments

1. Complete Unit 4 – “Domain-Specific LLMs”
   유닛 4 – “도메인 특화 LLM”
   • Listen to the summary podcast episode for this unit
     유닛 4의 요약 팟캐스트 듣기
   • To complement the podcast, read the “Solving Domain-Specific Problems Using LLMs” whitepaper
     팟캐스트를 보완하기 위해, 관련 백서 읽기
   • Complete these codelabs on Kaggle:
     Kaggle 코드랩 실습 진행하기
     • Tune a Gemini model for a custom task
       사용자 정의 태스크를 위한 Gemini 모델 튜닝
     • Use Google Search data in generation
       Google 검색 데이터를 생성 과정에 활용하기

💡 What You’ll Learn

In today’s reading, you’ll delve into the creation and application of specialized LLMs like SecLM and MedLM/Med-PaLM, with insights from the researchers who built them. In the codelabs, you’ll learn how to add real-world data to a model using Google Search and then visualize it with plotting tools via the Live API. You will also learn how to fine-tune a custom Gemini model using your own labeled data to solve custom tasks.

📖 Day 4에서는 SecLM, MedLM, Med-PaLM 등 실제 도메인 특화 모델들의 사례를 통해 특정 분야 문제 해결에 최적화된 LLM 설계법과 그 철학을 살펴본다.

🔍 코드랩에서는 Google Search 데이터를 모델에 통합하고, 이를 시각화 도구와 함께 활용하는 과정을 실습하게 된다.

🛠️ 또한, 사용자 정의 데이터셋을 기반으로 Gemini 모델을 파인튜닝하는 방법도 배워본다. 실제 레이블링된 데이터를 통해 커스텀 모델을 만들어보기!