규비니의 발자취

이 작품의 진범은 루미가 아니라 더블 바인드 속 '요코'에 대응되는 인물로, 영화에 등장하지 않은 미마의 동생, 또는 닮은 누군가라고 생각한다.우선 작가도 공식 진범을 인정하지 않았고 의도적으로 불분명한 연출을 사용하였으므로 진범은 해석마다 다를 수밖에 없다.따라서 모든 해석이 나름의 논리에 따라 다 정답이라고 생각한다.1. 52분 30초경 미마가 죽는 장면 (교통사고)-> 이 씬이 가장 중요하다고 생각한다.작가는 작품 속에서 한번도 가짜 죽음을 연출하지 않았다.작품 속에서 죽은 인물은 누가 죽였는지 불분명하게 연출했을 뿐 가짜죽음은 없었으므로 미마는 이 장면에서 죽었다.나는 영화의 시점이 여기에서 바뀌었다고 생각한다. (영화 전반부는 미마의 시점, 후반부는 요코에 대응되는 인물의 시점)2. 더블 바인드..

여러 명이 함께 사용하는 서버에 접속할 때, 매번 비밀번호를 입력하는 게 귀찮을 수 있다. 이럴 때 sshpass를 사용하면 비밀번호를 자동으로 입력할 수 있다.(물론 보안상 주의가 필요하다.)1. sshpass 설치 (Mac 기준)brew install hudochenkov/sshpass/sshpass 2. sshpass를 이용한 자동 접속sshpass -p '비밀번호' ssh -o StrictHostKeyChecking=no 사용자@ip주소 여기서 -o StrictHostKeyChecking=no 옵션은 처음 접속하는 서버에서 호스트 키 확인을 건너뛰도록 해준다. 3. alias 등록으로 더 편리하게매번 긴 명령어를 입력하는 것도 귀찮다. 이럴 때는 alias를 활용하면 한 줄로 접속이 가능하다.e..

여러 명이 함께 사용하는 서버에 pip가 설치되어 있지 않은 경우가 있다. 이 때, pip와 같은 패키지 관리자는 서버 내의 다른 패키지와 충돌하거나 임의로 조정할 가능성이 높기 때문에 관리자 권한을 요구하는 경우가 있다. 이 때, 권한을 받을 수 없는 상황에 개인 계정 내 경로에 pip를 임의로 설치한다면 해당 로컬 내에서 pip를 자유롭게 사용 가능하다. 설치 스크립트 다운로드curl https://bootstrap.pypa.io/get-pip.py -o get-pip.py 로컬에 pip 설치python3 get-pip.py --user  경로 설정 설치된 경로를 시스템의 PATH에 추가export PATH=$PATH:~/.local/bin 설정 적용source ~/.bashrc

새로운 서버에 연결하여 코드를 실행하다보니 아래와 같은 문구를 만나게 되었다. CUDA capability sm_86 is not compatible with the current PyTorch installation 이는 현재 CUDA 버전과 pytorch 버전이 맞지 않는다는 것을 뜻한다. 해결법 1. 우선 내 CUDA 버전을 확인해본다. nvidia-smi 다음과 같이 우측 상단에 내 현재 CUDA 버전이 11.8임을 확인할 수 있다. 2. 파이토치 사이트에서 해당 CUDA 버전과 호환되는 버전을 알려준다. https://pytorch.org/get-started/locally/ Start Locally Start Locally pytorch.org 아래 스크립트를 실행하면 완료!

이 글은 체계적인 정리보다는 메모에 가깝습니다. 해당 논문에 대해 이야기 나누고 싶으시다면 언제든지 환영합니다. Mass-Editing Memory In a Transformer Meng et al., 2022 https://arxiv.org/abs/2210.07229 Mass-Editing Memory in a Transformer Recent work has shown exciting promise in updating large language models with new memories, so as to replace obsolete information or add specialized knowledge. However, this line of work is predominantly limite..

이 글은 체계적인 정리보다는 메모에 가깝습니다. 해당 논문에 대해 이야기 나누고 싶으시다면 언제든지 환영합니다. Transformer-Patcher: One Mistake Worth One Neuron Zeyu Huang et al., 2023 https://openreview.net/forum?id=4oYUGeGBPm Transformer-Patcher: One Mistake Worth One Neuron A Sequential Model Editor to correct model's output on the specific input. openreview.net 요약 T-Patcher는 Sequential Model Editing (SME) task를 다루기 위한 모델이다. T-Patcher는 Tra..

이 글은 체계적인 정리보다는 메모에 가깝습니다. 해당 논문에 대해 이야기 나누고 싶으시다면 언제든지 환영합니다. Can We Edit Factual Knowledge by In-Context Learning? Ce Zheng et al., 2023 http://doi.org/10.18653/v1/2023.emnlp-main.296 Can We Edit Factual Knowledge by In-Context Learning? Ce Zheng, Lei Li, Qingxiu Dong, Yuxuan Fan, Zhiyong Wu, Jingjing Xu, Baobao Chang. Proceedings of the 2023 Conference on Empirical Methods in Natural Language..

이 글은 체계적인 정리보다는 메모에 가깝습니다. 해당 논문에 대해 이야기 나누고 싶으시다면 언제든지 환영합니다. Fast Model Editing at Scale Eric Mitchell et al., 2023 https://openreview.net/forum?id=0DcZxeWfOPt Fast Model Editing at Scale While large pre-trained models have enabled impressive results on a variety of downstream tasks, the largest existing models still make errors, and even accurate predictions may become outdated... openreview...

위와 같은 형태의 코드는 바로 tolist()로 적용햘 경우 string type으로 배출되는 문제가 발생한다. df['column_name'].tolist() #output "[a,b,c]" ast 라이브러리를 이용하면 list 형태의 문자열을 바로 list로 바꿀 수 있다 import pandas as pd import ast # 가정: df는 당신의 데이터프레임, 'column_name'은 리스트 형태의 문자열 데이터를 가진 열 이름 df['column_name'] = df['column_name'].apply(ast.literal_eval) #output [a,b,c]

"대한민국 GDP는 세계 몇위야?" MRC 우리가 원하는 질문에 대답하기 위해 문서를 읽고 내용을 이해해 정답을 내는 기술을 MRC(Machine Reading Comprehension)이라고 한다. MRC는 컴퓨터가 텍스트를 '이해'하고 그 내용에 대해 질문에 대답하는 능력을 갖추는 것을 목표로 하는 NLP 분야의 중요 주제 중 하나이며, QA(Question Answering) 분야로 들어오면 Closed-Domain Question Answering. 즉, 주어진 지문 안에서 답을 찾는 과정이다. 그러나 우리가 검색할 때 지문을 가지고 그 속에서 대답을 찾는 경우는 흔치 않다. ODQA ODQA(Open-Domain Question Answering)은 이렇게 다양한 종류의 질문에 대..