In-Context Learning 기반의 Zero-shot Tabular Foundation Model TabFM 공개
TabFM: A zero-shot foundation model for tabular data
Auto-regressive LLM의 Reversal Curse 식별 및 GPT-4 정답률 79% vs 33% 격차 확인
The Reversal Curse: LLMs trained on "A is B" fail to learn "B is A"
Agent Skill 도입으로 하위 모델 성능 최대 +23.1%p 향상
Anthropic, OpenAI, or Cursor model for your agent skills? 7 learnings from running 880 evals (including Opus 4.7)
2M Context Window와 Deep Think 모드로 구현한 초거대 컨텍스트 추론 엔진
Gemini 3.5 Pro: 2M Context, Deep Think, and the Post-Fable-5 Frontier
Weight Update 없는 In-Context Learning을 통한 도메인 특화 LLM 최적화
Few-Shot Learning with LLM: A Deep Dive
Few-Shot 도입을 통한 정확도 70%에서 94%로의 비약적 향상
Types of Prompting: Complete Guide to Prompting Techniques
TabPFN - 테이블 데이터를 위한 파운데이션 모델
전처리 없는 Zero-shot 추론으로 정형 데이터 분석 파이프라인 최적화
CPU 기반 TTS 최적화를 위한 아키텍처별 TTFB 및 메모리 Trade-off 분석
Choosing the Right Voice: A Technical Comparison of Pocket Studio Models
In-context Learning 기반의 정형 데이터 출력을 위한 Prompt Engineering 전략
AI Crash Course: Prompt Engineering
데이터 사이언티스트의 역습
LLM 시대에 데이터 사이언티스트 역할 재정의 필요성 대두됨