전 세계 개발자와 연구자들이 AI 모델, 데이터셋, 데모 앱을 공유하고 협업하는 **'AI계의 깃허브(GitHub)'**이자 오픈소스 플랫폼


[https://huggingface.co](https://huggingface.co/)


모델 유형


**Base 모델 (Base / Pre-trained Model)**

- **특징:** 방대한 텍스트 데이터로 "다음 단어 맞추기"를 학습하여 언어의 문법, 지식, 논리를 배운 상태입니다.
- **동작:** "한국의 수도는"이라고 입력하면, "서울이다"라고 답할 수도 있지만, 이어지는 문맥에 따라 "한국의 수도는 서울이고, 부산은..."과 같이 글을 계속 써 내려갑니다.
- **장점:** 일반적인 지식이 풍부하고 자유로운 텍스트 생성에 강합니다.
- **단점:** 사용자의 의도(명령)를 정확히 파악하지 못하고 긴 글을 만들어낼 수 있습니다. [[1](https://blogs.novita.ai/ko/llama-base-vs-instruct-model-understanding-their-differences-and-applications/), [2](https://datasciencebeehive.tistory.com/129), [3](https://jins-sw.tistory.com/entry/LLM-Pretrained-vs-Instruction-Tuned-Model), [4](https://www.youtube.com/shorts/TRVmuskzE5Y)]

**Instruct 모델 (Instruct / Chat / Fine-tuned Model)**

- **특징:** Base 모델을 기반으로, 사람의 명령(Instruction)과 그에 대한 모범 답안 데이터를 통해 추가 학습(Instruction Tuning)을 거친 모델입니다.
- **동작:** "한국의 수도는?"이라고 입력하면, "한국의 수도는 서울입니다."라고 명확하게 답변합니다.
- **장점:** 챗봇, 번역, 요약, 문장 생성 등 구체적인 명령을 잘 수행합니다.
- **단점:** Base 모델보다 창의성이 떨어지거나, 학습되지 않은 형식의 응답을 어려워할 수 있습니다. [[1](https://selectstar.ai/glossary/list/instruction-tuning/), [2](https://digitalbourgeois.tistory.com/442), [3](https://www.ibm.com/kr-ko/think/topics/ai-model), [4](https://jins-sw.tistory.com/entry/LLM-Pretrained-vs-Instruction-Tuned-Model), [5](https://jhk0530.medium.com/%EC%B9%B4%EC%B9%B4%EC%98%A4%EC%9D%98-ai-%EB%AA%A8%EB%8D%B8-%EC%B9%B4%EB%82%98%EB%82%98-%EC%8D%A8%EB%B4%84-2882e0e23494)]

Hugging Face Tasks 정리


**Multimodal**

- Audio-Text-to-Text: 음성과 텍스트를 같이 이해해서 텍스트로 답변
- Image-Text-to-Text: 이미지와 텍스트를 보고 텍스트 생성
- Image-Text-to-Image: 이미지와 설명을 이용해 새 이미지 생성/수정
- Image-Text-to-Video: 이미지와 설명으로 영상 생성
- Visual Question Answering: 이미지를 보고 질문에 답변
- Document Question Answering: 문서/PDF를 읽고 질문에 답변
- Video-Text-to-Text: 영상을 보고 텍스트 생성
- Visual Document Retrieval: 비슷한 문서 이미지를 검색
- Any-to-Any: 어떤 입력이든 받아 원하는 형태로 변환

**Computer Vision**

- Depth Estimation: 이미지에서 거리와 깊이 추정
- Image Classification: 이미지가 무엇인지 분류
- Object Detection: 이미지 속 물체 위치와 종류 찾기
- Image Segmentation: 이미지 영역을 픽셀 단위로 분리
- Text-to-Image: 글 설명으로 이미지 생성
- Image-to-Text: 이미지를 설명하는 텍스트 생성
- Image-to-Image: 이미지를 다른 스타일/형태로 변환
- Image-to-Video: 이미지를 영상으로 변환
- Unconditional Image Generation: 조건 없이 랜덤 이미지 생성
- Video Classification: 영상 내용을 분류
- Text-to-Video: 글 설명으로 영상 생성
- Zero-Shot Image Classification: 학습 안 한 대상도 이미지 분류
- Mask Generation: 객체 영역(mask) 생성
- Zero-Shot Object Detection: 처음 보는 물체도 탐지
- Text-to-3D: 글 설명으로 3D 모델 생성
- Image-to-3D: 이미지를 3D 모델로 변환
- Image Feature Extraction: 이미지 특징 벡터 추출
- Keypoint Detection: 관절/얼굴 점 같은 핵심 위치 찾기
- Video-to-Video: 영상을 다른 영상 스타일로 변환

**Natural Language Processing**

- Text Classification: 문장을 카테고리로 분류
- Token Classification: 단어별 역할이나 태그 분류
- Table Question Answering: 표 데이터를 보고 질문에 답변
- Question Answering: 질문에 대한 답 찾기
- Zero-Shot Classification: 추가 학습 없이 문장 분류
- Translation: 언어 번역
- Summarization: 긴 글 요약
- Feature Extraction: 텍스트 특징 벡터 추출
- Text Generation: 글 생성
- Fill-Mask: 빈칸 단어 예측
- Sentence Similarity: 문장끼리 얼마나 비슷한지 계산
- Text Ranking: 관련 높은 텍스트 순서 정렬

**Audio**

- Text-to-Speech: 글을 음성으로 변환
- Text-to-Audio: 글로 음악/효과음 생성
- Automatic Speech Recognition: 음성을 글로 변환(STT)
- Audio-to-Audio: 오디오를 다른 오디오로 변환
- Audio Classification: 소리 종류 분류
- Voice Activity Detection: 사람이 말하는 구간 탐지

**Tabular**

- Tabular Classification: 표 데이터 분류 예측
- Tabular Regression: 표 데이터 숫자 예측
- Time Series Forecasting: 시간 흐름 데이터를 미래 예측

**Reinforcement Learning**

- Reinforcement Learning: 보상을 최대화하도록 학습
- Robotics: 로봇 움직임과 제어 학습

**Other**

- Graph Machine Learning: 연결 관계(그래프) 데이터를 학습