연구 및 모델
자체 파운데이셔널 모델
Camile AI는 자체 파운데이셔널 모델을 구축하고 있습니다 — 인지 엔티티에 이성, 존재감, 연속성을 부여할 미래 LLM의 기반입니다.
자체 모델이 필요한 이유
범용 모델은 일반적인 작업에 뛰어나지만, 인지 엔티티는 다른 것을 요구합니다: 장기적 일관성, 정체성 연속성, 기억과 정동과 언어 사이의 깊은 관계. Camile AI의 파운데이셔널 모델은 그러한 체제를 위해 설계되고 있습니다 — 단순한 응답이 아니라 존재를 지속하도록 훈련되고 조정됩니다.
현재
자체 모델이 성숙해지는 동안, 모든 엔티티는 이미 스마트 라우팅, 폴백 체인, 작업 특화를 갖춘 멀티모델 오케스트레이션으로 작동합니다 — 기억, 숙고, 지각, 표현. 이 아키텍처는 파운데이셔널 모델의 훈련에 공급될 데이터 팜입니다.
로드맵
진행 중
01
인지 커널
모든 엔티티를 지탱하는 아키텍처: 영구 기억, 인지 사이클, 정동, 자율성이 실제로 작동합니다.
진행 중
02
데이터 및 연구
장기 추론 모델을 위한 아키텍처 연구, 연속성 데이터 큐레이션 및 실험.
예정
03
대규모 사전 학습
GPU 인프라에서 기반 모델을 학습하며, 연속성 및 정체성 작업에 대한 지속적인 평가를 수행합니다.
예정
04
엔티티의 LLM
Camile AI의 프로덕션 모델: 각 엔티티만의 목소리로, 단순한 응답이 아닌 존재하도록 조정됩니다.