![RecipeNet 전체 구조: field-level tokenization → Step Fusion Encoder([STEP-CLS]) → Recipe-Level Sequence Encoder([RECIPE-CLS]) → prediction head의 3단 계층 파이프라인.](https://techllm.github.io/images/recipenet-a-hierarchical-transformer-for-recipe-data/_page_1_Diagram_3.jpeg)
요리 레시피처럼 '순서가 있는 작업 절차' 데이터를 표로 억지로 펴지 않고, 원래 생긴 모양(단계 안에 여러 항목, 단계들이 순서대로) 그대로 읽어서 다음 단계를 훨씬 잘 맞히는 AI를 만든 연구다.
요리 레시피처럼 ‘순서가 있는 작업 절차’ 데이터를 표로 억지로 펴지 않고, 원래 생긴 모양(단계 안에 여러 항목, 단계들이 순서대로) 그대로 읽어서 다음 단계를 훨씬 잘 맞히는 AI를 만든 연구다. ...
가변 스키마
요리 레시피처럼 ‘순서가 있는 작업 절차’ 데이터를 표로 억지로 펴지 않고, 원래 생긴 모양(단계 안에 여러 항목, 단계들이 순서대로) 그대로 읽어서 다음 단계를 훨씬 잘 맞히는 AI를 만든 연구다. ...