구글 클라우드 AI 리서치 연구진이 에이전트의 실행 환경인 '하네스(harness)'를 반복적으로 수정하고 평가하는 정규화된 재귀적 자기개선(RRSI) 프레임워크를 공개했습니다. 기존 AI 개발이 모델 자체의 지능을 높이는 데 집중했다면, RRSI는 이미 만들어진 모델을 활용하는 환경을 AI 스스로 최적화하는 접근법입니다.
RRSI는 변경안을 제시하는 '제안(Proposal)' 단계와 성능이 입증된 변경을 채택하는 '선택(Selection)' 단계의 이중 정규화 구조를 갖췄습니다. 이를 통해 과적합을 방지하고 불필요한 추론 비용을 줄입니다. 실제 8개 벤치마크 테스트에서 '터미널-벤치 2.1' 점수가 6.0%p 상승하는 등 전반적인 성능 개선이 확인됐으며, 정책 토큰 사용량 또한 30% 이상 절감하는 효율성을 보였습니다.
특히 '제미나이 3.5 플래시'를 기반으로 한 실험에서도 뛰어난 성능 향상을 기록했으며, 미학습 환경에서도 기존 방식 대비 최대 22.9% 높은 성능을 보였습니다. 현재 RRSI는 깃허브를 통해 아파치 2.0 라이선스로 공개되었습니다.
· · · · · · · · · ·
관련기사
▶ 인공지능(AI) 도시 스마트 도시 석 박사 인재 키울 대학 4곳 선정
▶ 멕시코 방송, '케이-컬처의 힘'과 '대체 불가 케이-인공지능' 조명
▶ 행정안전부, 재난안전 분야 인공지능 전환 종합계획 수립
· · · · · · · · · ·
한국사회복지저널은 AI 기술의 도움을 받아 보도자료와 복지 정보를 보다 쉽고 정확하게 전달하기 위해 노력하고 있습니다.
