Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
DSPy는 언어 모델을 프롬프팅하는 대신 프로그래밍할 수 있게 해주는 프레임워크입니다. 이를 통해 간단한 분류기부터 복잡한 RAG 파이프라인, 에이전트 루프까지 모듈식 AI 시스템을 빠르게 구축하고 반복할 수 있습니다. DSPy는 Python 코드를 작성하여 LM의 출력을 학습시키고 최적화합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 GitHub Trending Python (daily)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기문서화: DSPy Docs
DSPy는 언어 모델을 *프롬프팅(prompting)*하는 것이 아니라 *프로그래밍(programming)*하기 위한 프레임워크입니다. 이 프레임워크를 사용하면 간단한 분류기부터 정교한 RAG 파이프라인, 또는 Agent 루프까지, 모듈식 AI 시스템 구축에 빠르게 반복할 수 있으며, 프롬프트와 가중치 최적화 알고리즘을 제공합니다.
DSPy는 Declarative Self-improving Python의 약자입니다. 취약한 프롬프트 대신, 구성 가능한 Python 코드를 작성하고 DSPy를 사용하여 LM(Language Model)이 고품질 출력을 내도록 학습시킵니다. 공식 문서 사이트나 커뮤니티에서 더 자세히 알아보고, 도움을 받거나 이 GitHub 저장소 및 Discord 서버를 통해 기여를 시작하세요.
dspy.ai의 DSPy Docs로 이동하십시오.
pip install dspy
main 브랜치에서 최신 버전을 설치하려면:
pip install git+https://github.com/stanfordnlp/dspy.git
이 프레임워크를 이해하고 싶다면, dspy.ai의 DSPy Docs로 가십시오.
기반 연구에 대해 알고 싶다면, 다음 논문들을 참고하십시오:
[25년 7월] GEPA: 반성적 프롬프트 진화가 강화학습 (RL)보다 우수할 수 있다
[24년 6월] 다단계 언어 모델 프로그램의 지침 및 데모 최적화
[23년 10월] DSPy: 선언적 언어 모델 호출을 자체 개선 파이프라인으로 컴파일하기
[24년 7월] 미세 조정(Fine-Tuning) 및 프롬프트 최적화: 함께 사용하면 더 좋은 두 가지 단계
[24년 6월] 자동 최적화된 학습 하이퍼파라미터로서의 프롬프트
[24년 2월] 대규모 언어 모델을 이용한 위키피디아 같은 기사 처음부터 작성 지원
[24년 1월] 극단적인 다중 레이블 분류를 위한 인컨텍스트 러닝 (In-Context Learning)
[23년 12월] DSPy Assertions: 자체 개선 언어 모델 파이프라인을 위한 계산 제약 조건
[22년 12월] Demonstrate-Search-Predict: 지식 집약적 NLP를 위해 검색 및 언어 모델 조합하기
최신 정보를 얻거나 더 많이 배우려면, Twitter에서 @DSPyOSS 또는 LinkedIn의 DSPy 페이지를 팔로우하세요.
DSPy 로고는 Chuyi Zhang이 디자인했습니다.
만약 연구 논문에서 DSPy 또는 DSP를 사용한다면, 다음 방식으로 저희의 작업을 인용해 주십시오:
@inproceedings{khattab2024dspy,
title={DSPy: Compiling Declarative Language Model Calls into Self-Improving Pipelines},
author={Khattab, Omar and Singhvi, Arnav and Maheshwari, Paridhi and Zhang, Zhiyuan and Santhanam, Keshav and Haq, Saiful and Sharma, Ashutosh and Joshi, Thomas T. and Moazam, Hanna and Miller, Heather and Zaharia, Matei and Potts, Christopher},
...}