<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
	<channel>
		<title>AI Models on Rost Glukhov | AI 시스템과 인프라</title>
		<link>https://www.glukhov.org/ko/tags/ai-models/</link>
		<description>Recent content in AI Models on Rost Glukhov | AI 시스템과 인프라</description>
		<generator>Hugo</generator>
		<language>ko</language>
		
		
		
		
			<lastBuildDate>Sun, 15 Nov 2026 15:57:03 +1100</lastBuildDate>
		
			<atom:link href="https://www.glukhov.org/ko/tags/ai-models/index.xml" rel="self" type="application/rss+xml" />
			<item>
				<title>검열 없는 LLM 선택하기: Abliterated와 Fine-tuned 비교</title>
				<link>https://www.glukhov.org/ko/ai-models/comparisons/choosing-uncensored-abliterated-llm/</link>
				<pubDate>Thu, 12 Nov 2026 00:00:00 +0000</pubDate>
				<guid>https://www.glukhov.org/ko/ai-models/comparisons/choosing-uncensored-abliterated-llm/</guid>
				<description>&lt;p&gt;&amp;ldquo;미검열&amp;quot;은 거절하지 않는 오픈 모델에 대한 2026년 세 가지 방법, 즉 Abliteration, 거절 없는 파인튜닝, 스티어러블 정책을 다룹니다. 각 방법은 서로 다른 역량을 변화시키며, 이 가이드는 비용을 비교하고 VRAM 기준으로 후보를 추립니다.&lt;/p&gt;</description>
			</item>
	</channel>
</rss>
