[📪정보] MIT 오픈 소스를 이용한 장기기억 개선

[익명(121.135)]

https://www.reddit.com/r/ArtificialInteligence/comments/17csn7x/kadanes_sliding_window_unlimited_memory_for_any/

Reddit - Dive into anything

Kadane의 알고리즘과 슬라이딩 윈도우 결합

'Kadane의 슬라이딩 윈도우' 알고리즘은 양수와 음수를 모두 포함할 수 있는 배열 내 하위 배열의 최대 합을 찾는 새로운 접근 방식입니다. 이 알고리즘은 배열 기반 문제를 해결하기 위해 컴퓨터 과학에서 잘 확립된 방법인 고전적인 Kadane 알고리즘과 슬라이딩 윈도우 기술을 융합한 것입니다.

알고리즘은 세 가지 변수, 즉 max_sum(지금까지 발견된 최대 하위 배열 합계를 보유함), curr_sum(현재 최대 하위 창 합계를 보유함) 및 start_idx(현재 하위 창의 시작을 표시함)를 초기화하여 작동합니다. 그런 다음 알고리즘은 두 번째 요소부터 끝까지 배열을 반복합니다. 각 요소에 대해 이 요소를 현재 하위 창에 추가하면 curr_sum이 증가하는지 확인합니다. 그렇다면 현재 요소를 curr_sum에 추가합니다. 그렇지 않으면 curr_sum을 현재 요소와 동일하게 재설정합니다.

이 알고리즘의 독특한 측면은 하위 창의 시작 인덱스를 동적으로 조정한다는 것입니다. 끝 인덱스를 고정한 상태에서 start_idx가 0보다 작아지거나 start_idx에서 시작하여 end_index에서 끝나는 하위 배열을 추가하면 max_sum에 비해 더 작은 합계가 생성될 때까지 시작 인덱스를 왼쪽으로 이동합니다.

이 방법은 무차별 방식처럼 가능한 모든 요소 쌍을 비교하는 대신 배열을 두 번만 반복하면 되므로 더 큰 배열을 처리하는 효율적인 방법을 제공합니다. 그러나 그 효율성은 여전히 배열의 크기, 배열 내 요소의 분포와 같은 요인에 의해 영향을 받을 수 있습니다.

'Kadane의 슬라이딩 윈도우' 알고리즘은 최대 하위 배열 합계를 찾기 위한 기존 접근 방식에 대한 유망한 대안이며 데이터가 스트리밍되거나 메모리가 제한되는 시나리오에서 특히 유용할 수 있습니다


요약

1. 고전적인 Kadane 알고리즘과 슬라이딩 윈도우 기술을 융합한 것

2. 장기기억 개선과 모델 스스로 무엇을 해야할 지 최적화 가능

3. GPT4를 굳이 안써도 되고 간단한 파이썬 코드로 LLM에 적용 가능한 접근성 장점

그리고 매우 중요한 오픈 소스다

요새 오픈 소스쪽에서 상당한 움직임이 보이는데

메타에서 오픈 소스 친화라 발전 할 수록 우리가 더

좋은 ai를 무료로 이용 할 수 있는 기회가 생기니까 그냥저냥 좋은 소식이라 생각하면 편함

[익명(rty1x21s8nhq)]