핸즈온 LLM

한빛미디어 서평단 <나는리뷰어다> 활동을 위해서 책을 협찬 받아 작성된 서평입니다.

 

 

최근 몇 년간 폭발적으로 성장한 LLM(대규모 언어 모델) 기술은 이제 개발자에게 선택이 아닌 필수이다. 『핸즈온 LLM』은 단순히 LLM을 사용하는 것을 넘어, 그 내부 구조와 동작 원리를 깊이 이해하고 직접 응용하고자 하는 개발자에게 최적화된 책이다. 나 역시 LLM API를 몇 번 호출해 본 수준에 머물러 있었는데, 이 책을 통해 비로소 LLM의 블랙박스 같던 부분이 명확하게 이해되기 시작했다.

 

이 책은 개념 설명과 함께 풍부한 실습 예제를 제공하여 이론을 몸으로 체득할 수 있도록 돕는다. 예를 들어, 책 초반에 나오는 BoW(Bag of Words) 방식부터 토큰화, 임베딩과 같은 기본 개념을 시각 자료와 함께 설명하여 왜 단어를 숫자로 바꾸고 토큰 ID를 부여하는지, 그 중요성을 직접 토크나이저를 돌려보며 이해할 수 있었다. 특히 GPT-4와 GPT-3.5가 토큰을 나누는 방식이 달라 요금이 차이 나는 이유를 실습을 통해 다루는 것도 흥미로웠다.

 

실전 활용에 대한 깊이 있는 내용도 인상 깊었다. 4장 텍스트 분류에서는 영화 리뷰 데이터를 활용해 실제 분류 모델을 학습시키고, 임베딩을 사용한 분류 작업이 기존 모델보다 얼마나 직관적이고 안정적인 성능을 보여주는지 직접 경험했다. 또한, 8장 시맨틱 검색과 RAG(검색 증강 생성) 부분은 실무 적용 가능성이 가장 크게 느껴졌다. OpenAI의 리랭크 API를 활용한 검색 결과 재정렬 실습은 코드가 완벽하게 작동했으며, LLM 기반 검색이 키워드 검색보다 훨씬 똑똑하다는 것을 체감하게 했다. 덕분에 회사 챗봇 검색 기능 개선에 적용해 볼 아이디어를 얻을 수 있었다.

 

멀티모달 LLM을 다루는 9장에서는 ViT(Vision Transformer)를 통해 이미지를 언어 모델 입력으로 처리하는 원리를 그림과 함께 설명해 주어 "이미지를 어떻게 텍스트 모델에 넣는다는 거지?"라는 막연한 궁금증을 해소할 수 있었다. 실습보다는 개념 중심이었지만, 추후 멀티모달 프로젝트를 진행할 때 다시 찾아볼 중요한 챕터가 될 것 같다.

 

이 책은 복잡한 내용을 필요한 수준에서 설명하고, 적절한 코드 예제를 제공하여 따라 하면서 자연스럽게 개념을 익힐 수 있도록 구성되어 있다. 물론 한 권으로 설명해도 부족한 개념을 제한된 지면 안에서 다루다 보니 마냥 쉬운 책은 아니었다. 그럼에도 불구하고 LLM을 단순히 사용하는 수준을 넘어, LLM의 구조를 이해하고 조작하며 응용하는 단계로 나아가고 싶은 개발자에게 강력히 추천한다. 이론에만 그치지 않고 코드로 직접 검증하며 배우고 싶은 실무 개발자에게도 큰 도움이 될 것 같다.