level-researcher
Qwen
다른 수준:입문자실무자연구자 Qwen은 알리바바 그룹이 개발한 transformer 디코더 기반 LLM 시리즈로, 2023년 9월 Qwen-7B 기술 보고서를 시작으로 빠르게 세대를 갱신해 왔다. 아키텍처와 학습 레시피의 진화를 보면 동시대 llama · deepseek
Qwen
다른 수준:입문자실무자연구자 Qwen은 Alibaba DAMO/Tongyi Lab이 발표하는 transformer decoder 기반 llm 계열로, 2023년 Qwen, 2024년 Qwen1.5/Qwen2/Qwen2.5, 2025년 Qwen3로 세대를 갱신해 왔다. 아키텍처는 표준 pre-norm
Qwen
다른 수준:입문자실무자연구자 Qwen은 알리바바 클라우드 Tongyi Lab이 개발·공개해 온 decoder-only-transformer 계열 LLM 패밀리로, 2023년 Qwen 1 발표 이후 Qwen2(2024), Qwen2.5(2024 후반), Qwen3(2025) 까지 이어지며
Qwen (통의천문)
다른 수준:입문자실무자연구자 Qwen은 Alibaba DAMO/Tongyi Lab이 2023년부터 공개해 온 트랜스포머 디코더 기반 LLM 패밀리로, Llama 계열과 함께 현재 [[open-weight-models|오픈웨이트]] 연구 인프라의 양대 축을 이룬다. 단일 모델이 아니라
Qwen (큐원)
다른 수준:입문자실무자연구자 Qwen은 알리바바 통이 팀이 2023년부터 발표해 온 트랜스포머 기반 디코더 전용 LLM 패밀리다. 동급 open-weight-model 가운데 모델 카드·기술 보고서·체크포인트를 비교적 충실히 공개해 왔고, Qwen / Qwen2
Qwen
다른 수준:입문자실무자연구자 Qwen은 알리바바 통이 팀이 2023년부터 공개해 온 디코더 전용 트랜스포머 LLM 시리즈로, 사전학습과 사후정렬 양쪽에서 빠르게 진화하며 오픈웨이트 진영의 SOTA 후보군에 꾸준히 이름을 올려 왔다. 베이스 가중치,
Qwen
다른 수준:입문자실무자연구자 연구자를 위한 Qwen Qwen 은 알리바바 통의천문 팀이 2023년 9월 1세대(Qwen-7B/14B)를 공개한 이래 약 6개월 주기로 갱신해 온 오픈웨이트 LLM 패밀리다. 단일 모델이 아니라
Qwen
다른 수준:입문자실무자연구자 Qwen 은 알리바바 DAMO 아카데미 산하 통이(Tongyi) 팀이 2023년부터 발표해 온 LLM 계열로, 1세대(Qwen-1, Qwen-1.5)·2세대(Qwen2, Qwen2.5)·3세대(Qwen3)를 거치며 dense·
Qwen
다른 수준:입문자실무자연구자 Qwen 시리즈는 알리바바 DAMO Academy / Tongyi Lab이 발표한 오픈 가중치 LLM 가족으로, 디코더-온리 트랜스포머를 기반으로 하면서도 세대마다 상당한 아키텍처·학습 레시피의 조정이 누적돼 왔습니다. 아키텍처 계보. 초기
Qwen
다른 수준:입문자실무자연구자 Qwen 시리즈는 알리바바 다모 아카데미 산하 Tongyi Lab이 개발하는 dense·MoE 혼합 LLM 군이다. 아키텍처는 llama 계열과 유사한 decoder-only Transformer로, rope 위치 임베딩, SwiGLU 활성화, RMSNorm, gqa(
Qwen
다른 수준:입문자실무자연구자 Qwen 은 Alibaba DAMO Academy / Alibaba Cloud 의 LLM 연구 라인으로, 통의천문(通義千問) 의 영문 표기입니다. 2023 년 9 월 Qwen-7B 의 가중치 공개 이후 매 6–
Qwen
다른 수준:입문자실무자연구자 Qwen은 알리바바 통이(Tongyi) 연구실이 개발하는 transformer 디코더 기반 LLM 계열로, 2023년 Qwen 7B 공개 이후 매 세대마다 데이터 규모·정렬 기법·아키텍처가 개정되어 왔습니다. 연구자 관점에서
Qwen (통이치엔원)
다른 수준:입문자실무자연구자 Qwen은 알리바바 DAMO Academy(현 Tongyi Lab)가 2023년 8월 Qwen-7B를 시작으로 Qwen1.5, Qwen2, Qwen2.5, Qwen3로 이어 온 디코더-온리 트랜스포머 계열이다. 공개 기술 보고서(Bai
Qwen
다른 수준:입문자실무자연구자 Qwen 은 알리바바 Tongyi Lab이 공개한 트랜스포머 기반 llm 계열이다. 아키텍처적으로는 Llama 계보의 decoder-only transformer에 RoPE 위치 인코딩, SwiGLU FFN, RMSNorm, Grouped-Query Attention(GQA) 을 채택한 "
SWE-bench Verified
다른 수준:입문자실무자연구자 기원. SWE-bench는 Carlos Jimenez 외(Princeton NLP, ICLR 2024, "SWE-bench: Can Language Models Resolve Real-World GitHub Issues?")가 제안한 벤치마크다. 12개 인기 파이썬 오픈소스 레포에서
그린필드 개발
다른 수준:입문자실무자연구자 그린필드 개발은 레거시 제약 — 즉 기존 코드베이스, API 계약, 빌드 시스템, 팀 관례 — 이 부재한 조건에서 수행되는 소프트웨어 개발을 가리킨다. 이 개념은 벤치마크 설계와 LLM 코딩 능력
코딩 에이전트
다른 수준:입문자실무자연구자 코딩 에이전트는 LLM을 정책(policy)으로 두고, 도구 호출(action)과 관찰(observation)을 반복하는 ReAct 계열 에이전트 루프를 코드 편집 도메인에 특화한 시스템이다. 일반적인 형식은 다음과
노동경제학
다른 수준:입문자실무자연구자 노동경제학은 노동 공급·수요, 인적자본, 임금 결정, 실업을 다루는 응용 미시·거시 분야다. 기술 변화와 고용 관계를 분석하는 서브필드는 크게 세 세대의 프레임을 거쳐 왔다. 1세대: Skill-Biased
미토스(Mythos) 계열 모델
다른 수준:입문자실무자연구자 미토스(Mythos) 계열은 공식 명칭도, 학습 구성도, 테스트타임 스캐폴딩 구조도 공개되지 않은 미발표 프론티어 모델들을 가리키는 비공식 코드명이다. OpenAI·Google DeepMind의 차차기 추론 계열 — 현재 o-시리즈·Gemini
에르되시 문제
다른 수준:입문자실무자연구자 에르되시 문제 집합은 파울 에르되시가 1930년대부터 1990년대까지 논문·서신·세미나를 통해 제기한 수백 개의 미해결 문제로 구성된다. 분야는 조합론, 그래프 이론, 가법적 정수론, 집합론, 확률론, 디오판토스 근사