작은 모델들을 한 팀으로 굴리는 법을 묻다
클라우드 거대 모델 없이도 에이전트를 굴릴 수 있을까. OrchSLM이 제안하는 비인터랙티브 오케스트레이션과 라우터, 과제 구조, 모델 풀, 합의의 움직임을 따라가 봅니다.
노시욱 (Patrick Rho)
작성한 글
페이지 14
기계 속도로 거버넌스하기: 실시간 AI 정책 집행을 위한 적응형 아키텍처를 읽고
78% 도입률과 362건의 사고 사이에서 증명하지 못하는 거버넌스의 간극을 따라가며 AGIL의 다섯 개 층위와 100밀리초 집행 게이트웨이가 무엇을 바꾸는지 살펴봅니다.
TimeThink: 시계열 언어모델에게 조립식 추론을 가르치는 연구
답만 맞히는 시계열 언어모델을 넘어 추세와 계절성을 조립해 설명하는 추론을 합성 데이터와 검증 가능한 보상으로 가르치는 TimeThink 연구를 읽고 풀어낸 해설입니다.
몇 달짜리 밭일을 맡길 수 있을까, 스스로 적응하는 피지컬 AI에 대한 논문을 읽고
사전 학습 없이 농장 관리에 투입된 LLM 멀티 에이전트가 같은 날씨에서는 강화학습과 비기고 바뀐 날씨에서는 더 잘 버틴다는 연구를 따라가며, 계획과 도구 호출과 관찰과 검증의 고리가 왜 필요한지 따져봅니다.
졸업해도 남는 연구실, LabAgent가 재현과 발견을 잇는 법
사람이 바뀌어도 끊기지 않는 연구실을 만들려는 LabAgent를 따라가며 재현과 발견을 묶은 허브, 실행되고 검증되는 스킬, 실패 기록의 자산화, 네 개 생명과학 영역 평가와 그림 재현이 말하는 것을 읽는다.
바이브 특허 내기, LLM 심사자는 전문 특허 일을 평가할 수 있을까
특허 명세서 작성이라는 실제 전문 업무를 무대로 LLM 심사자의 평가와 첨삭 능력을 검증한 Vibe Patenting 연구를 따라가며, 반복 피드백과 추론 비용, 전문가 검증의 의미를 풀어봅니다.
반복 학습과 자기 개선을 하나의 틀로 묶으면 무엇이 보일까
반복적인 정책 개선과 재귀적 자기 개선을 하나의 학습 패러다임으로 설명하는 Generalized Agent Iteration 프레임워크를 해설합니다. 개선 장치의 위치와 평가 기준의 고정 여부를 기준으로 두 개념의 경계와 위험을 구분합니다.
먼저 닿고 나서 넓히기: 수렴과 다양성을 떼어놓은 다목적 베이지안 최적화
수렴과 다양성을 동시에 노리던 다목적 베이지안 최적화를 두 단계로 나눈 Converge Then Diversify 접근법을 해설합니다. 빠듯한 예산에서 먼저 한 점에 닿고 옆으로 퍼지는 순서가 왜 유리한지 짚어봅니다.
ZGCM-1, 7B로 수백B급과 맞서는 법, 외우지 않고 찾아내는 모델
처음부터 학습한 7B dense 모델 ZGCM-1이 내부 추론과 외부 검색을 묶어 수학과 에이전틱 검색에서 대형 프론티어 모델과 경쟁하는 구조와 학습법을 해설합니다.
전화로 이름 받아 적기는 왜 이렇게 어려울까
타우-엘리시테이션이 음성 에이전트의 다중 턴 정보 수집을 측정한 방식을 해설합니다. 텍스트에서는 다 맞추고 음성에서는 틀리는 이유와 검증과 복구의 병목을 다룹니다.
함수 호출을 어디에서 실행할까, 탄소 배출로 답한 연구
엣지-클라우드 3계층에서 쿼리마다 정확도와 전력, 탄소 강도를 예측해 가장 낮은 배출로 실행 가능한 계층에 라우팅하는 탄소 인식 라우팅 연구를 해설합니다.
실패의 마지막 장면이 아니라 흩어진 단서를 찾는 일
긴 작업을 수행하는 에이전트가 실패할 때 진짜 원인은 왜 마지막에 있지 않은지, 그리고 판단을 한 번이 아니라 여러 번 이어가는 Continual Search가 진단을 어떻게 바꾸는지 해설합니다.