모두의연구소가 전하는 “모두를 위한 SW/ 뉴스”

모두의연구소가 전하는 “모두를 위한 SW/ 뉴스”
모두의연구소는 지식을 나누며 함께 성장하는 국내 최대 AI 커뮤니티입니다.

1. Postgres의 트랜잭션 격리, 설명

데이터베이스의 중요한 부분인 트랜잭션에 대해 이야기합니다. 트랜잭션은 여러 작업을 하나의 단위로 취급하게 해줘서 개발자가 코드를 작성할 때 가정할 수 있는 보장을 제공합니다. 이로 인해 코드가 단순해지고 신뢰성이 크게 향상됩니다. 특히, 트랜잭션의 ‘격리‘는 가장 혼란스러운 부분이지만, 이를 이해하면 더 나은 설계 결정과 보안이 강화된 SaaS를 만들 수 있습니다. 이 글은 트랜잭션 격리가 해결하려는 문제와 SQL92 표준의 표준 격리 수준, 그리고 Postgres가 이러한 문제를 어떻게 다루는지 설명합니다.
https://www.thenile.dev/blog/transaction-isolation-postgres

2. Fly.io 의 쿠버네티스 도입Fly.io는 전 세계에 자체 하드웨어로 가상 머신 격리를 사용하여 컨테이너화된 애플리케이션을 실행하는 새로운 공용 클라우드를 구축하고 있습니다. 그동안 Kubernetes(K8s)를 사용하지 않았지만, 이제 K8s의 중요성을 인정하고 프로젝트에 필요한 경우를 위해 몇 달 동안 K8s 솔루션을 개발했습니다. Fly.io에 대해 망설였던 분들도 이제 시도해볼 수 있는 좋은 소식입니다.
https://fly.io/blog/fks/

3. ReAct LLM 에이전트: 복잡한 자연어 질문에 대응하기 위한 지식 기반 강화 학습 접근이 연구에서는 복잡한 자연어 질문에 대한 답변을 위한 새로운 방식으로, 지식 검색과 LLM을 결합한 시스템의 한계를 극복하기 위해 ReAct 스타일의 LLM 에이전트를 제안합니다. 이 에이전트는 외부 지식을 추론하고 행동하는 능력을 갖추고 있으며, ReST 방식과 AI 피드백을 활용한 지속적인 자기 개선과 강화 학습을 통해 개선됩니다. 이 접근법은 미세 조정된 소형 모델을 통해 구성 질문에 대한 답변에서 대형 모델과 비슷한 성능을 달성하며, 복잡한 자연어 질문에 대한 보다 효율적이고 효과적인 해결 방법을 제공합니다.
https://huggingface.co/papers/2312.10003

4.  MobileSAMv2: 고효율 객체 세그먼트와 프롬프트 기반 마스크 생성세그먼트 애니 모델(SAM)은 단일 객체 또는 이미지의 모든 객체에 대한 마스크를 예측하는 두 가지 작업을 처리합니다. SegAny는 이미지 인코더의 무거운 구조로 인해 느린 반면, SegEvery는 마스크 디코더의 병목 현상으로 인해 비효율적입니다. 이를 해결하기 위해, 본 연구에서는 객체 검색을 통한 유효한 프롬프트로 직접 최종 마스크를 생성하는 방법을 제안합니다. 이 접근 방식은 마스크 디코더의 처리 시간을 16배 이상 단축하고, LVIS 데이터 세트에서 제로 샷 오브젝트 제안에 대해 평균 3.6%의 성능 향상을 달성합니다. 이 프로젝트는 기존 SAM보다 더 빠른 SegEvery를 목표로 하며, MobileSAMv2라고 명명되었습니다. 또한, 새로운 프롬프트 샘플링 방식은 MobileSAM의 증류 이미지 인코더와 호환되어 통합 프레임워크에 기여합니다. 이 연구는 과도한 세그먼트를 피하면서도 세밀한 마스크를 생성하는 효율적인 방법을 제공합니다.
https://huggingface.co/papers/2312.09579---

K-디지털 트레이닝 훈련 기관 유일!
대통령 표창 수상한 모두의연구소의 SW/AI 교육7만 여명의 수강생 평점 4.8

제주코딩베이스캠프와 함께!
‘인공지능(AI) 모델 활용 백엔드 개발 과정’ 무료 지원하기: https://bit.ly/3SZC9Ts