0 / 0
영어 버전 문서로 돌아가기
자주 묻는 질문(FAQ)

자주 묻는 질문(FAQ)

watsonx.ai에 대해 자주 묻는 질문에 대한 응답을 찾으십시오.

계정 및 설정 질문

기초 모델 질문

프로젝트 질문

IBM Cloud Object Storage 질문

노트북 질문

보안 및 신뢰성 질문

공유 및 협업 질문

기계 학습 질문

Watson OpenScale 질문

IBM watsonx.ai 질문

watsonx에 등록하는 방법은 무엇입니까?

IBM watsonx.ai 또는 Try watsonx.governance로 이동하십시오. watsonx.governance에 등록하는 경우 자동으로 watsonx.ai 도 프로비저닝합니다.

watsonx 를 무료로 사용해 볼 수 있습니까?

예, IBM watsonx.ai에 등록할 때 기본 서비스의 무료 버전인 Watson Studio, Watson Machine Learning및 IBM Cloud Object Storage를 자동으로 프로비저닝합니다. IBM watsonx.governance에 등록할 때 Watson OpenScale 의 무료 버전 및 IBM watsonx.ai에 대한 무료 버전의 서비스를 자동으로 프로비저닝합니다.

watsonx.ai 및 watsonx.governance를 어떻게 업그레이드합니까?

watsonx.ai 또는 watsonx.governance에 대한 기본 서비스를 업그레이드할 준비가 되면 작업 또는 데이터를 유실하지 않고 제자리에서 업그레이드할 수 있습니다.

서비스를 업그레이드하려면 IBM Cloud 계정의 소유자 또는 관리자여야 합니다. watsonx에서 서비스 업그레이드를 참조하십시오.

내 Watson Studio Lite 플랜에서 가장 많은 런타임을 얻을 수 있는 방법은 무엇입니까?

Watson Studio Lite 플랜은 매월 10개의 CUH를 허용합니다. CUH 비율이 낮은 환경을 사용하도록 자산을 설정하여 사용 가능한 CUH를 최대화할 수 있습니다. 예를 들어, 노트북 환경 변경을 사용할 수 있습니다. 사용 가능한 환경 및 필수 CUH를 보려면 Watson Studio로 이동하십시오.

내 IBM Cloud 계정 소유자는 어떻게 찾습니까?

엔터프라이즈 계정이 있거나 소유하지 않은 IBM Cloud 에서 작업하는 경우 계정 소유자에게 작업공간 또는 다른 역할에 대한 액세스 권한을 부여하도록 요청해야 할 수 있습니다.

IBM Cloud 계정 소유자를 찾으려면 다음을 수행하십시오.

  1. 탐색 메뉴에서 관리 > 액세스 (IAM)를 선택하십시오.
  2. 아바타 메뉴에서, 올바른 계정에 있는지 확인하거나, 필요한 경우 계정을 전환하십시오.
  3. 사용자를 클릭하고 옆에 owner 라는 단어가 있는 사용자 이름을 찾으십시오.

역할을 이해하려면 IBM watsonx의 역할을 참조하십시오. 역할을 판별하려면 역할 판별을 참조하십시오.

피드백을 제공할 수 있습니까?

예, 이 플랫폼을 계속 개발하면서 피드백을 장려합니다. 탐색 메뉴에서 지원 > 아이디어 공유를 선택하십시오.

기초 모델

사용 가능한 기초 모델 및 해당 모델의 출처는 무엇입니까?

지원되는 기본 모델의 전체 목록을 참조하십시오.

기초 모델을 훈련하는 데 사용된 데이터는 무엇입니까?

사전 훈련 데이터 및 미세 조정을 포함하여 각 모델에 대한 세부사항 링크는 지원되는 기본 모델에서 사용 가능합니다.

생성된 출력에서 편향되거나, 부적절하거나, 올바르지 않은 컨텐츠를 확인해야 합니까?

예, 기초 모델의 생성된 출력을 검토해야 합니다. 제3자 모델은 편향 및 부정확성이 포함되어 있을 수 있는 데이터로 훈련되었으며 잘못된 정보, 음란 또는 불쾌한 언어, 차별적인 컨텐츠를 포함하는 출력을 생성할 수 있습니다.

프롬프트 랩에서 AI 가드레일 을 켜면 유해한 언어를 포함하는 프롬프트 텍스트 또는 모델 출력의 모든 문장이 잠재적으로 유해한 텍스트가 제거되었음을 나타내는 메시지로 바뀝니다.

바람직하지 않은 출력 방지를 참조하십시오.

수행할 수 있는 텍스트 생성 수에 제한이 있습니까?

watsonx.ai의 무료 평가판을 사용하면 매월 최대 25 ,000개의 토큰을 사용할 수 있습니다. 토큰 사용법은 입력 및 출력 토큰의 합계입니다.

유료 서비스 플랜을 사용하면 토큰 한계가 없지만 입력으로 제출하는 토큰과 생성된 출력에서 수신하는 토큰에 대해 비용이 청구됩니다.

Watson Machine Learning 플랜을 참조하십시오.

신속한 엔지니어링이 기초 모델을 훈련시킵니까?

아니오, 기초 모델에 프롬프트를 제출해도 모델이 훈련되지 않습니다. watsonx.ai 에서 사용 가능한 모델은 사전 훈련되어 있으므로 사용하기 전에 모델을 훈련할 필요가 없습니다.

프롬프트 팁을 참조하십시오.

IBM 이 내 데이터에 액세스하거나 어떤 방식으로든 사용할 수 있습니까?

아니오, IBM 은 사용자의 데이터에 액세스할 수 없습니다.

작성하는 데이터 및 모델을 포함하여 watsonx.ai에 대한 작업은 계정에 대해 개인용입니다.

  • 사용자만 데이터에 액세스할 수 있습니다. 데이터는 모델만 훈련하는 데 사용됩니다. IBM 또는 기타 사용자나 조직에서는 데이터에 액세스하거나 사용할 수 없습니다. 데이터는 전용 스토리지 버킷에 저장되며 저장 시 및 이동 중에 암호화됩니다.
  • 사용자만 모델에 액세스할 수 있습니다. IBM 또는 다른 사용자나 조직에서는 모델에 액세스하거나 사용할 수 없습니다. 모델은 데이터와 동일한 방식으로 보안됩니다.

보안 및 옵션에 대해 자세히 알아보십시오.

사용 가능한 API는 무엇입니까?

Python 라이브러리를 사용하여 프로그래밍 방식으로 watsonx.ai 에서 기초 모델을 프롬프트할 수 있습니다.

Foundation models Python 라이브러리를 참조하십시오.

프로젝트

대용량 파일을 프로젝트에 로드하는 방법은 무엇입니까?

5GB보다 큰 데이터 파일을 프로젝트에 로드할 수 없습니다. 파일이 더 큰 경우 Cloud Object Storage API를 사용하고 여러 파트에서 해당 데이터를 로드해야 합니다. IBM Cloud에서 직접 Cloud Object Storage에 대한 작업을 수행하려면 curl 명령을 참조하십시오.

프로젝트의 Cloud Object Storage에 대형 오브젝트 추가를 참조하십시오.

IBM Cloud Object Storage

작업공간의 IBM Cloud Object Storage 에 저장되는 내용은 무엇입니까?

프로젝트 또는 배치 영역을 작성할 때 IBM Cloud Object Storage 를 지정하고 해당 작업공간 전용 버킷을 작성합니다. 다음 유형의 오브젝트는 작업공간의 IBM Cloud Object Storage 버킷에 저장됩니다.

  • 작업공간에 업로드한 데이터 자산의 파일입니다.
  • 노트북 및 모델과 같은 도구에서 실행되는 자산과 연관된 파일입니다.
  • 자산 유형, 형식 및 태그와 같은 자산에 대한 메타데이터입니다.

다른 서비스를 업그레이드할 때 IBM Cloud Object Storage 를 업그레이드해야 합니까?

스토리지 공간이 부족한 경우에만 IBM Cloud Object Storage 인스턴스를 업그레이드해야 합니다. 기타 서비스는 IBM Cloud Object Storage 플랜을 사용할 수 있으며 사용자는 모든 서비스 또는 IBM Cloud Object Storage 서비스를 독립적으로 업그레이드할 수 있습니다.

기존 프로젝트에 스토리지를 추가할 수 없거나 새 프로젝트 대화 상자에서 IBM Cloud Object Storage 선택사항을 볼 수 없는 이유는 무엇입니까?

IBM Cloud Object Storage는 이에 대한 관리 권한이 없는 사용자를 위한 추가 단계가 필요합니다. 계정 관리자는 관리자가 아닌 사용자가 프로젝트를 작성할 수 있도록 설정해야 합니다.

관리자 권한이 있고 최신 IBM Cloud Object Storage가 표시되지 않으면 서버 측 캐싱으로 인해 최신 값을 렌더링하는 데 지연이 발생할 수 있으므로 나중에 다시 시도하십시오.

노트북

노트북에서 사용할 라이브러리 또는 패키지를 설치할 수 있습니까?

노트북을 통해 Python 라이브러리 및 R 패키지를 설치할 수 있으며, 해당 라이브러리 및 패키지는 동일한 환경 템플리트를 사용하는 모든 노트북에서 사용할 수 있습니다. 지시사항은 사용자 정의 또는 서드파티 라이브러리 가져오기를 참조하십시오. 라이브러리 또는 패키지를 설치할 때 운영 체제 종속 항목 누락에 대한 오류가 발생하면 IBM 지원 센터에 알리십시오. 노트북 내에서 설치한 사전 설치 라이브러리, 패키지 및 라이브러리와 패키지를 확인하려면 다음과 같은 적절한 명령을 실행하십시오.

  • Python!pip list
  • R: installed.packages()

한 노트북에 정의된 함수를 다른 노트북에서 호출할 수 있습니까?

플랫폼의 다른 노트북에서 하나의 노트북을 호출할 수 있는 방법이 없습니다. 그러나 공통 코드를 플랫폼 외부의 라이브러리에 넣은 후 설치할 수 있습니다.

임의의 노트북 확장 기능을 추가할 수 있습니까?

아니오, 모든 노트북 확장이 사전 설치되어야 하므로 임의의 확장을 사용자 정의로 추가하여 노트북 기능을 확장할 수 없습니다.

노트북의 CSV 파일에서 데이터에 어떻게 액세스합니까?

CSV 파일을 오브젝트 스토리지에 로드한 후 열린 노트북에서 코드 스니펫 아이콘 (코드 스니펫 아이콘) 을 클릭하고 데이터 읽기 를 클릭한 후 프로젝트에서 CSV 파일을 선택하여 데이터를 로드하십시오. 그런 다음 노트북에서 빈 코드 셀을 클릭하고 생성된 코드를 삽입하십시오.

노트북의 압축 파일에서 데이터에 어떻게 액세스합니까?

압축 파일을 오브젝트 스토리지에 로드한 후 열린 노트북에서 코드 스니펫 아이콘 (코드 스니펫 아이콘) 을 클릭하고 데이터 읽기 를 클릭한 후 프로젝트에서 압축 파일을 선택하여 파일 신임 정보를 가져오십시오. 그런 다음 노트북에서 빈 코드 셀을 클릭하고 셀에 신임 정보를 로드하십시오. 또는 신임 정보를 클립보드에 복사하여 노트북에 붙여넣으려면 클릭하십시오.

보안 및 신뢰성

IBM watsonx는 얼마나 안전합니까?

IBM watsonx 플랫폼은 매우 안전하고 복원력이 우수합니다. IBM watsonx의 보안을 참조하십시오.

내 데이터 및 노트북이 내 협업자 외부에서 공유되지 않도록 보호되고 있습니까?

프로젝트 및 노트북에 로드되는 데이터는 안전합니다. 프로젝트의 협업자만 데이터 또는 노트북에 액세스할 수 있습니다. 각 플랫폼 계정은 Spark및 IBM Cloud Object Storage 서비스의 별도의 테넌트 역할을 합니다. 테넌트는 다른 테넌트의 데이터에 액세스할 수 없습니다.

노트북을 일반 사용자와 공유하려면 노트북에서 데이터 서비스 인증 정보를 숨기십시오. Python 및 R 언어의 경우 # @hidden_cell 구문을 입력하십시오.

민감한 데이터가 포함된 셀을 숨기려면 구문을 입력한 후 즉시 노트북을 저장하십시오.

그런 다음에만 사용자의 작업을 공유해야 합니다.

내 노트북을 백업해야 합니까?

아니오. 노트북은 IBM Cloud Object Storage에 저장되어 가동 중단에 대한 복원성을 제공합니다.

공유 및 협업

노트북 공유의 의미는 무엇입니까?

노트북을 공유하면 고유 링크가 변경되지 않습니다. 링크가 있는 모든 사용자가 노트북을 볼 수 있습니다. 노트북을 공유하기 위해 선택란을 지워 노트북 공유를 중지할 수 있습니다. 업데이트는 자동으로 공유되지 않습니다. 노트북을 업데이트할 때 공유 선택란을 다시 선택하여 공유 노트북을 동기화할 수 있습니다.

RStudio 외부에서 내 작업을 공유할 수 있는 방법은 무엇입니까?

RStudio 외부에서 작업을 공유하는 한 가지 방법은 사용자 및 협업자가 작업할 수 있는 공유 GitHub 저장소에 연결하는 것입니다. 자세한 정보는 이 블로그 포스트를 읽으십시오.

그러나 프로젝트 구성원과 작업을 공유하는 가장 좋은 방법은 R 커널을 사용하는 프로젝트에서 노트북을 사용하는 것입니다.

RStudio는 R 프로젝트에서 개별적으로 작업하고 프로토타입을 작성하기에 좋은 환경이지만 아직 프로젝트와 통합되지 않았습니다.

내 SPSS Modeler 플로우를 다른 프로젝트와 공유하려면 어떻게 해야 합니까?

디자인에 따라 모델러 플로우는 플로우를 작성하거나 가져오는 프로젝트에서만 사용할 수 있습니다. 다른 프로젝트에서 모델러 플로우를 사용해야 하는 경우 현재 프로젝트(소스 프로젝트)에서 로컬 환경으로 플로우를 다운로드한 후 플로우를 다른 프로젝트(대상 프로젝트)로 가져와야 합니다.

IBM Watson Machine Learning

AutoAI 실험을 실행하는 방법

샘플 데이터에서 AutoAI 실험 작성으로 이동하여 짧은 비디오를 보고 AutoAI 실험을 작성하고 실행하는 방법을 확인한 후 학습서에 따라 자체 샘플을 설정하십시오.

자동화된 모델 빌딩에 사용할 수 있는 것은 무엇입니까?

AutoAI 그래픽 도구는 자동으로 데이터를 분석하고 예측 모델링 문제점에 맞게 사용자 정의된 후보 모델 파이프라인을 생성합니다.  이러한 모델 파이프라인은 AutoAI 가 데이터 세트를 분석하고 문제점 설정에 가장 적합한 데이터 변환, 알고리즘 및 매개변수 설정을 발견할 때 반복적으로 작성됩니다.  결과는 리더보드에 표시되며 문제점 최적화 목표에 따라 자동으로 생성된 모델 파이프라인을 표시됩니다. 자세한 내용은 AutoAI 개요를 참조하십시오.

기계 학습 모델에 지원되는 프레임워크와 라이브러리는 무엇입니까?

IBM Watson Machine Learning을 사용하여 기계 학습 모델을 훈련시키고 배치하기 위해 인기 있는 도구, 라이브러리 및 프레임워크를 사용할 수 있습니다. 지원되는 프레임워크 주제는 지원되는 버전 및 기능과 중단되도록 스케줄된 사용되지 않는 버전을 나열합니다.

API 키의 개념

API 키를 사용하면 여러 서비스에서 사용할 수 있는 CLI 또는 API를 사용하는 경우 쉽게 인증할 수 있습니다. API 키는 액세스 권한을 부여하는 데 사용되므로 기밀로 간주됩니다. 사용자의 API 키를 가진 누군가가 사용자의 서비스를 위장할 수 있으므로 모든 API 키를 비밀번호처럼 다루십시오.

Watson OpenScale

Watson OpenScale이란?

IBM Watson OpenScale은 AI 모델의 결과를 추적하고 측정하며, 모델이 빌드되거나 실행되는 위치에 관계없이 공정하고, 설명 가능하며 순응 상태로 유지되도록 하는 데 도움이 됩니다. Watson OpenScale은 AI 모델이 생산 단계에 있을 때 정확도 드리프트를 감지하고 정정하는 데에도 도움이 됩니다.

정수 데이터 유형에서 카테고리 데이터 유형으로 예측 열을 변환하려면 어떻게 해야 합니까?

공정성 모니터의 경우, 예측 열은 예측 레이블이 카테고리형인 경우에도 정수의 숫자 값만 허용합니다. 정수가 아닌 카테고리형 기능을 구성하는 방법은 무엇입니까? 수동 변환이 필요합니까?

훈련 데이터에는 "Loan Denied", "Loan Granted"와 같은 클래스 레이블이 포함되어 있습니다. IBM Watson Machine Learning 스코어링 종료 지점에 의해 리턴되는 예측 값에는 "0.0", "1.0"과 같은 값이 있습니다. 스코어링 엔드포인트에도 예측에 대한 텍스트 표현을 포함하는 선택적 열이 있습니다. 예를 들어, prediction=1.0인 경우 predictionLabel 열에 "Loan Granted" 값이 있을 수 있습니다. 이런 열이 사용 가능하고 모델에 대한 선호 및 비선호 출력을 구성하려면 문자열 값 "Loan Granted" 및 "Loan Denied"를 지정하십시오. 이런 열을 사용할 수 없으면 선호 및 비선호 클래스에 대해 1.0, 0.0의 정수/배정도 값을 지정해야 합니다.

IBM Watson Machine Learning에는 IBM Watson Machine Learning 스코어링 엔드포인트의 출력 스키마 및 다른 열의 역할을 정의하는 출력 스키마 개념이 있습니다. 역할은 예측 값을 포함하는 열, 예측 확률을 포함하는 열, 클래스 레이블 값 등을 식별하는 데 사용됩니다. 출력 스키마는 모델 빌더를 사용하여 작성된 모델에 대해 자동으로 설정됩니다. IBM Watson Machine Learning Python 클라이언트를 사용해서도 설정할 수 있습니다. 사용자는 예측의 문자열 표시를 포함하는 열을 정의하기 위해 출력 스키마를 사용할 수 있습니다. 열에 대한 modeling_role을(를) 'decoded-target'으로 설정하십시오. [ Watson Machine Learning Python 클라이언트 라이브러리에 대한 문서를 읽으십시오. "OUTPUT_DATA_SCHEMA"를 검색하여 OUTPUT_DATA_SCHEMA를 매개변수로 승인하는 store_model API를 사용하기 위한 출력 스키마 및 API에 대해 이해할 수 있습니다.

Watson OpenScale가 훈련 데이터에 액세스해야 하는 이유는 무엇입니까?

사용자는 Db2 또는 Watson OpenScale에 저장되어 있는 훈련 데이터에 대한 액세스를 IBM Cloud Object Storage에 제공하거나, 훈련 데이터에 액세스하는 노트북을 실행해야 합니다.

Watson OpenScale은 다음 이유로 사용자의 훈련 데이터에 대해 액세스해야 합니다.

  • 대조 설명을 생성하기 위해: 설명을 생성하려면 훈련 데이터의 중앙값, 표준 편차, 고유값과 같은 통계에 대한 액세스가 필요합니다.
  • 훈련 데이터 통계를 표시하기 위해: 편향성 세부사항 페이지를 채우기 위해서는 Watson OpenScale은 통계를 생성할 훈련 데이터가 있어야 합니다.
  • 드리프트 감지 모델을 빌드하기 위해: 드리프트 모니터는 훈련 데이터를 사용하여 드리프트 감지를 작성하고 측정합니다.

노트북 기반 접근법에서는 Watson OpenScale에서 배치 구성 시에 사용자가 통계 및 기타 정보를 업로드한다고 가정합니다. Watson OpenScale은 사용자 환경에서 실행되는 노트북 외부의 훈련 데이터에 더 이상 액세스 권한이 없습니다. 구성 중에 업로드된 정보에만 액세스할 수 있습니다.

공정성 스코어가 100 퍼센트를 넘는 경우는 어떤 의미입니까?

공정성 구성에 따라 공정성 스코어는 100 퍼센트를 초과할 수 있습니다. 모니터하는 그룹이 참조 그룹에 비해 상대적으로 더 "공정한" 출력임을 나타냅니다. 기술적으로 모델은 정반대로 불공평하다는 의미입니다.

Watson OpenScale을 사용하여 모델 편향성을 완화하는 방법은 무엇입니까?

Watson OpenScale에서 편향성 제거 기능은 엔터프라이즈 등급입니다. 매우 강력하고 스케일링 가능하며 다양한 모델을 처리할 수 있습니다. Watson OpenScale에서 편향성 제거는 다음과 같은 두 단계 프로세스로 구성됩니다. 학습 단계: 편향성 방식으로 작동할 시 고객 모델 작동을 학습합니다.

애플리케이션 단계: 고객 모델이 특정 데이터 점에서 편향성 방식으로 작동하는지 식별하고 필요한 경우 편향성을 수정합니다. 자세한 정보는 편향성 제거 옵션을 참조하십시오.

인종 및 성별과 같은 민감한 속성에서 모델 편향성을 확인할 수 있습니까(모델이 해당 속성에서 훈련되지 않은 경우도 포함)?

예. 최근에 Watson OpenScale은 "간접 편향성 감지"라고 하는 혁신적인 기능을 제공하였습니다. 이를 사용하여 모델이 민감한 속성에 대해 간접적으로 편향성을 나타내고 있는지 감지하십시오. 모델이 해당 속성에서 훈련되지 않은 경우도 포함됩니다.

회귀 기반 모델에 대한 편향성을 완화할 수 있습니까?

예. Watson OpenScale을 사용하여 회귀 기반 모델에서 편향성을 완화할 수 있습니다. 이 기능을 사용하려는 경우에는 추가 구성이 필요하지 않습니다. 회귀 모델에 대한 편향성 완화는 모델이 편향성을 표시할 때 즉시 수행됩니다.

Watson OpenScale에서 편향성을 제거하는 다른 메소드는 무엇입니까?

활성 편향성 제거 및 수동 편향성 제거 모두를 편향성 제거에 사용할 수 있습니다. 자세한 정보는 편향성 제거 옵션을 참조하십시오.

모델 구성 시에는 훈련 데이터 위치 정보가 필요하며 옵션은 Cloud Object Storage 및 Db2입니다. 데이터가 Netezza에 있는 경우 Watson OpenScale은 Netezza를 사용할 수 있습니까?

Watson OpenScale 노트북을 사용하여 Netezza에서 데이터를 읽고 훈련 통계 및 드리프트 감지 모델을 생성하십시오.

모델에 대해 작성된 업데이트를 Watson OpenScale 참조하지 않는 이유는 무엇입니까?

Watson OpenScale은 모델 자체가 아닌 모델 배치에서 작동합니다. 배치를 새로 작성한 후 이 새 배치를 Watson OpenScale에서 새 구독으로 구성해야 합니다. 이런 배열로 두 모델 버전을 비교할 수 있습니다.

기계 학습 모델 사용에 연관된 다양한 위험의 종류는 무엇입니까?

기계 학습 모델에 연관된 다양한 위험 종류(예: 드리프트라고도 하는 입력 데이터의 임의 변경)로 인해 모델은 의사결정이 부정확하게 되고 비즈니스 예측에도 영향이 있게 됩니다. 훈련 데이터는 편향성이 없도록 정리할 수 있지만, 런타임 데이터 때문에 모델이 편향되게 동작할 수 있습니다.

기존 통계 모델은 해석 및 설명이 더 단순하지만 기계 학습 모델 출력을 설명할 수 없어 모델 사용 시 심각한 위험에 노출될 수 있습니다.

내 모델이 예상대로 작동하는지 확인하기 위해 Watson OpenScale 대시보드를 계속 모니터링해야 합니까?

아니오, Watson OpenScale에서 프로덕션 모델 배치에 대한 이메일 경보를 설정할 수 있습니다. 위험 평가 테스트가 실패할 때마다 이메일 경보를 수신한 후 문제를 확인하고 해결할 수 있습니다.

Watson OpenScale에서 품질 메트릭 계산에 사용되는 데이터는 무엇입니까?

수동으로 레이블링된 피드백 데이터 및 이 데이터에 대해 모니터된 배치 응답을 사용하는 품질 메트릭이 사용됩니다.

Watson OpenScale에서 구성 중 'ROC 아래 영역' 이외의 메트릭에 대해 임계값을 설정할 수 있습니까?

아니오, 현재 임계값은 'ROC 아래 영역' 메트릭에 대해서만 설정할 수 있습니다.

일반적인 AI 검색 및 응답
이러한 응답은 제품 문서의 컨텐츠를 기반으로 하는 watsonx.ai 의 대형 언어 모델에 의해 생성됩니다. 자세히 알아보기