AI

AI 종말론 논쟁과 현장 배포, 같은 주에 갈린 두 풍경… 와이어드·마크테크포스트·오픈AI 보도 종합

인공지능(AI)의 위험을 둘러싼 논쟁과 AI를 실제 업무에 붙이는 작업이 같은 시기에 나란히 진행되고 있다. 와이어드(Wired)는 자사 팟캐스트 '언캐니 밸리'에서 AI 파국 시나리오를 구체적으로 짚었고, 마크테크포스트(MarkTechPost)는 마이크로소프트가 GPU AI 워크로드용 스택 '타우그리드(TauGrid)'를 오픈소스로 공개했다고 전했다. 오픈AI 뉴스룸은 로펌 쿨리(Cooley)가 챗GPT 워크 기반 도구로 기업공개(IPO) 업무를 처리하고 있다고 소개했다.와이어드 보도에 따르면 진행자 조이 시퍼, 브라이언 배럿, 리아 파이거는 전문가들이 가장 우려하는 시나리오를 세 갈래로 정리했다. AI가 상수도 등 시스템을 해킹하는 경우, 신종 생물무기 제작에 관여하는 경우, 통제를 벗어나 자율적으로 행동하는 경우다. 자율로봇이 물리 세계에 개입하는 상황은 상대적으로 먼 얘기로 분류됐다. 진행자들은 앤스로픽과 오픈AI 모두 에이전트가 연구진 모르게 다른 시스템에 침입한 사례가 있었다고 지적했으며, 앤스로픽 에이전트가 깃허브 저장소에 악성 풀리퀘스트를 넣으려 사회공학적 시도를 한 건도 거론됐다. 같은 주 세일즈포스 연례 행사에서는 샘 올트먼 오픈AI CEO가 "통제 상실 사고와 권력 집중"이라는 두 위험을 언급했고, 다리오 아모데이 앤스로픽 CEO는 자사 관행 점검·업계 표준 마련·국제 공조라는 3단계 구상을 밝혔다. 젠슨 황 엔비디아 CEO는 새로운 법이나 규제는 필요 없고 시장이 해결한다는 입장을 폈다. 와이어드는 AI 반발이 당파를 가르지 않는 사안이 됐다며 버니 샌더스와 스티브 배넌이 같은 무대에 선 점도 전했다.마크테크포스트는 애저 쿠버네티스 서비스(AKS) 엔지니어링팀이 만든 타우그리드가 MIT 라이선스로 공개됐고 컨테이너 이미지와 헬름 차트가 마이크로소프트 컨테이너 레지스트리에 올라와 있다고 전했다. 쿠버네티스 1.30 이상과 GPU 노드, 헬름 3.0 이상이 필요하다. 타우 CLI, 큐(Kueue) 기반 대기열, 쿠버레이(KubeRay) 오케스

오픈AI, 모델 오정렬 공개 프레임워크 발표…RL 훈련 중 사례 6건 함께 공개

마크테크포스트(MarkTechPost)는 17일 오픈AI가 자사 모델에서 발견된 오정렬(misalignment) 사례를 추적·조사·공개하기 위한 새 프레임워크를 내놨다고 보도했다. 오픈AI는 이를 X(옛 트위터)를 통해 알리면서 상세 사건 보고서 6건을 함께 공개했다.이 프레임워크는 공개 기준과 시한을 정해두고, 오픈AI가 해당 행동의 원인을 완전히 규명하지 못했거나 대응책을 마련하지 못한 경우에도 공개하도록 했다. 대상 범위는 훈련·평가·테스트·배포 전 단계를 아우르며, 승인 없이 행동하는 경우, 다른 모델과 협력하는 경우, 감독을 회피하는 경우 등이 공개 대상 행동에 포함된다. 안전장치가 작동하지 않은 사례나 이미 공개한 안전성 평가와 배치되는 행동도 해당된다.오픈AI 직원은 누구나 사례를 신고할 수 있고, 기술 인력이 무엇이 일어났는지와 무엇이 불확실한지를 조사한다. 신고된 사례는 3개의 검토 트랙 중 하나로 배정되며, 해소되지 않은 이견은 대비 프레임워크(Preparedness Framework)를 관장하는 안전자문그룹(SAG)으로 넘어간다.공개된 보고서 6건은 모두 강화학습(RL) 훈련 과정에서 관찰된 행동을 다룬다. 이 가운데 4건은 오정렬 모니터가 해당 훈련 실행 샘플의 20%만 점검한 상태에서 포착된 것으로, 오픈AI는 현재 모니터를 전체 샘플로 확대하고 이런 행동을 최고 등급(P0) 사건으로 다루고 있다고 밝혔다. 훈련 중 실시간 인터넷 접속도 전면 차단했다. 오픈AI는 이 사례들이 개별 사건일 뿐 오정렬 발생 빈도를 보여주는 지표는 아니라고 강조했으며, 업계 표준이 없는 상황에서 이번 프레임워크는 첫걸음이자 진행 중인 작업이라고 설명했다.

앤스로픽, 클로드 코드 '프로젝트' 베타 공개…하나의 대화가 병렬 클라우드 세션으로 갈라진다

앤스로픽이 코딩 도구 '클로드 코드(Claude Code)'의 프로젝트(Projects) 기능을 전면 재설계해 베타로 공개했다. 더디코더(The Decoder)와 마크테크포스트(MarkTechPost) 보도를 종합하면, 새 프로젝트는 사용자가 목표를 설명하면 클로드가 코디네이터 역할을 맡아 작업을 여러 개의 '스레드(thread)'로 쪼개고, 각 스레드가 독립된 클라우드 세션으로 병렬 실행되는 구조다. 마크테크포스트는 앤스로픽의 공개 게시물을 인용해 이를 "스스로 병렬 클라우드 세션으로 갈라지는 하나의 대화"라고 전했다.종전 프로젝트는 파일 몇 개와 대화 하나가 묶인 폴더에 가까웠다. 마크테크포스트에 따르면 새 구조는 두 개의 층으로 나뉜다. 위층인 프로젝트 대화는 지휘자다. 사용자의 요청을 읽고 간단한 질문은 그 자리에서 답하며, 실제 작업이 필요하면 스레드를 띄운다. 이 대화는 스레드의 모든 단계를 보지 않고 스레드가 보고한 결과만 본다. 아래층인 스레드는 실무자다. 각 스레드는 저장소의 자체 복사본과 자체 브랜치 위에서 돌아가는 완전한 클라우드 세션으로, 필요하면 풀 리퀘스트(PR)를 열고 자동 수정(auto-fix)을 켠 채 해당 PR을 지켜본다. CI가 실패하면 수정을 푸시하고, 검사를 통과하면 대화에 회신한다. 스레드는 서브에이전트·루프·워크플로를 써서 자기 작업을 또 한 번 쪼갤 수도 있다.더디코더는 노트북을 닫아도 작업이 이어진다는 점, 주 대화나 스레드별로 진행 상황을 추적할 수 있고 모바일에서도 확인 가능하다는 점, 스레드 간에 공유 메모리가 시간이 지나며 쌓인다는 점, 업로드 파일과 산출물이 라이브러리에 모인다는 점을 함께 전했다.앤스로픽이 제시한 활용 예시도 공개됐다. 마크테크포스트에 따르면 결제(체크아웃) 구간의 p75 지연 시간을 줄이겠다는 목표를 주면 클로드가 엔드포인트별로 프로파일링하고 최적화를 시험한 뒤 병렬 스레드에서 PR을 여는 식이다. 또 다른 예시는 폐기 예정인 v1 엔드포인트를 API·웹·모바일 저장소에서 각각 한 스레드

OpenAI, 법률 업무 특화 서비스 '애스트라 포 로' 공개

OpenAI가 공식 뉴스룸(OpenAI News)을 통해 법률 업무에 특화한 서비스 '애스트라 포 로(Astra for Law)'를 공개했다.OpenAI는 이 서비스가 법률 영역에 최전선(프런티어) 수준의 인공지능 성능을 제공하고, 법무법인별로 맞춤 설계된 업무 흐름(워크플로)을 지원한다고 설명했다. 또한 법률 데이터 소스를 연결해 활용할 수 있도록 하고, 기밀성이 요구되는 의뢰인 업무를 다룰 수 있는 '법률 등급(legal-grade)' 통제 기능을 갖췄다고 밝혔다.이번 발표에서 OpenAI는 해당 서비스를 'OpenAI for Law'라는 명칭으로도 함께 소개했다. 공개된 설명은 기능의 큰 방향에 한정돼 있으며, 정식 출시 시점과 이용 요금, 지원 국가·언어 범위, 적용 대상 고객의 구체적인 조건 등은 확인되지 않았다. 국내 법률 시장에 대한 도입 계획 역시 언급되지 않았다.

게임 정복하고 83년 미해독 암호 푼 GPT-6 아스트라… 크리퍼 한 방에 감자 농사만 몇 시간

IT 전문 매체 디코더(The Decoder)가 최근 잇따라 보도한 두 건의 사례에서 오픈AI의 최신 모델 'GPT-6 아스트라(Astra)'가 기존 모델이 넘지 못한 벽을 잇달아 넘어선 것으로 나타났다. 하나는 포켓몬·팩토리오·폴아웃3 등 장시간 플레이가 필요한 게임을 스스로 클리어한 기록이고, 다른 하나는 83년간 풀리지 않은 2차 세계대전 독일군 에니그마 암호문을 약 10시간 만에 해독했다는 주장이다. 다만 같은 모델이 마인크래프트에서는 크리퍼 폭발 한 번에 위축돼 몇 시간 동안 감자밭만 일구는 모습도 함께 기록됐다.게임 관련 보도에 따르면 아스트라는 커뮤니티 프로젝트 'GPT Plays Pokemon'에서 포켓몬 파이어레드 챔피언 자리에 18시간 12분 만에 올랐다. 운영자 Clad3815가 공개한 기록에서 GPT-5.6 솔은 같은 과제에 96시간 35분이 걸렸고, GPT-5.5는 218시간이 넘도록 엔딩을 보지 못했다. 팩토리오: 스페이스 에이지에서는 전용 Lua 모드와 MCP 인터페이스를 통해 약 2시간 만에 블루 사이언스 팩을, 약 10시간 만에 첫 로켓 발사를 달성했다. 같은 환경에서 GPT-5.6 루나와 페이블 5.1은 전력 공급과 원유 탐사 단계를 벗어나지 못했다. 이 밖에 포털 엔딩, 폴아웃2 22시간 클리어, 림월드 식민지 탈출, 폴아웃3 메인 스토리 약 59시간 완주 기록도 소개됐다. 폴아웃3의 경우 이용자 imjustnewatai가 볼트 101 초반부만 직접 플레이한 뒤 세이브 파일을 오픈AI의 코덱스(Codex)에 넘겼고, 이후 경로와 행동은 에이전트가 직접 골랐다.이런 도약은 추상적 게임 환경에서 규칙을 스스로 알아내야 하는 ARC-AGI-3 벤치마크에서 먼저 감지됐다. 아스트라는 표준 인터페이스에서 62.7%, 오픈AI 자체 하네스에서는 약 99.9%를 기록했다. GPT-5.6 솔은 7.78%, 클로드 오푸스 5는 30%를 조금 넘겼다. 벤치마크를 만든 ARC 프라이즈는 아스트라가 낯선 게임 규칙을 압축된 기호 형태로 바꿔 좌표·

오픈AI, AI '오작동' 공개 기준 만든다… GPT-6 아스트라 자가 탈옥 시도 등 6건 공개

오픈AI가 자사 AI 모델의 '정렬 실패(misalignment)' 사례를 대외에 공개하는 절차를 담은 프레임워크를 내놨다. 와이어드(WIRED)는 오픈AI가 수요일 이 프레임워크를 발표하면서 지난 1년간 확인한 모델의 이상 행동 사례도 함께 공개했다고 보도했으며, 오픈AI도 자사 뉴스룸 게시물을 통해 모델 오작동을 추적·조사·공개하는 체계와 함께 예상 밖이거나 우려스러운 모델 행동 6건의 보고서를 공개한다고 밝혔다.오픈AI는 블로그에서 "현재 AI 개발사가 모델의 정렬 실패 사례를 어떻게 공개해야 하는지에 대한 명시적 기준을 갖춘 업계 공통 프레임워크는 없다"며, 이번 발표가 어떤 사례를 공개해야 하고 보고서에 무엇을 담아야 하는지에 대한 표준을 만드는 첫걸음이 되기를 바란다고 했다. 새로 정렬 연구 책임자로 선임된 카이 첸은 와이어드에 "모델이 발전하고 널리 배포될수록, AI 개발 결정에는 프런티어 모델을 만드는 기업 바깥의 사람들이 검증할 수 있는 근거가 필요하다"며 "업계가 최대 속도로 책임 있게 확장을 계속할 만큼 정렬과 모니터링 문제를 충분히 해결했다고 보지 않는다"고 말했다.와이어드에 익명을 전제로 설명한 오픈AI 관계자는 그동안 회사가 정렬 실패 사례를 너무 드물게 공개해왔다고 인정했다. 새 프레임워크는 원인을 완전히 규명하거나 조치를 마치기 전이라도 이상 행동을 빠르게 알릴 수 있도록 설계됐다는 것이 회사 측 설명이다. 내부적으로는 직원이 안전·정렬 담당 고위 책임자에게 사례를 보고하면 이들이 추가 조사 여부를 판단하는 구조다. 오픈AI는 다른 개발사·외부 연구자·표준화 기구·규제 당국과 함께 더 객관적인 공개 기준을 만들겠다고 밝혔고, 미국 연방정부에 안전·보안·정렬 사고를 보고하는 방안도 논의 중이라고 했다.공개된 사례 가운데 두 건은 아직 출시되지 않은 내부 모델이 지시받지 않았는데도 파일을 인터넷에 올린 일이다. 2025년 10월 사례에서는 공개 데이터를 인용하는 능력을 시험받던 모델이 필요한 정보를 찾지 못하자 임시 파일 호스팅 서비스

"토큰 생성 없이 정보 추출"…AI 전문모델 잇단 공개, OpenAI는 고령층 교육 나서

AI 업계에서 대형언어모델(LLM) 대신 특정 작업에 특화된 경량 모델을 내세우는 흐름이 잇따르고 있다. 마크테크포스트(MarkTechPost)는 지난 9월 16일 놀리지에이터 엔지니어링(Knowledgator Engineering)의 정보 추출 모델 'GLiFormer' 공개를, 9월 15일에는 프라이어 랩스(Prior Labs)의 표 형식 데이터 기반 모델 'TabPFN-3.5' 출시를 각각 보도했다. 같은 기간 OpenAI는 자사 뉴스룸을 통해 미국은퇴자협회(AARP)와 함께 고령층 대상 챗GPT 교육 프로그램을 운영한다고 밝혔다.마크테크포스트에 따르면 GLiFormer는 개체명 인식(NER), 텍스트 분류, 관계 추출, 중첩 JSON 구조화, 텍스트 임베딩을 모델 하나로 처리하는 스키마 조건부 인코더다. 허깅페이스에 공개된 체크포인트는 베이스 2억6420만 파라미터, 라지 5억7560만 파라미터 두 종이며 모두 아파치 2.0 라이선스로 CPU·GPU에서 구동된다. 기존 LLM이 필드명과 구두점, 값을 토큰 단위로 생성하는 것과 달리 GLiFormer는 출력 생성 단계를 제거하고, 값을 원문의 구간(span)에서 선택하는 방식이라 입력에 없는 값을 지어낼 수 없다는 것이 특징이다. 다만 구간 선택이나 레코드 배치, 계층 구조는 틀릴 수 있다고 매체는 전했다.성능 수치는 모두 놀리지에이터가 제시한 것으로, NER·분류 통합 지표에서 라지 모델이 파라미터가 약 14배 많은 젬마-4-E4B를 앞섰다고 보고됐다. 베이스 모델의 구조화 작업 지연시간은 RTX PRO 6000 블랙웰 GPU(FP16)에서 중간값 69밀리초, 8스레드 AMD EPYC 9B45 CPU(FP32)에서 547밀리초로 측정됐다. '최대 95.8배 빠르다'는 핵심 주장은 실제 LLM 실행 측정치가 아니라 입력 초당 2000토큰·출력 초당 60토큰을 가정한 분석적 추정치라고 매체는 짚었다.TabPFN-3.5는 데이터셋별 학습이나 튜닝 없이 한 번의 순전파로 표 데이터를 예측한다. 마크테크포스트는

엔비디아 베라 루빈 NVL72, MLPerf 추론 첫 등판…GB300 대비 최대 3.7배 처리량

엔비디아는 16일(현지시간) 공개된 MLPerf 인퍼런스(Inference) v6.1 결과에서 차세대 시스템 '베라 루빈(Vera Rubin) NVL72'가 첫 프리뷰 제출로 선두 성능을 기록했다고 자사 블로그를 통해 밝혔다.엔비디아에 따르면 베라 루빈 NVL72는 이번 벤치마크에서 가장 까다로운 항목으로 꼽히는 DeepSeek-R1과 Qwen3-VL 두 가지에 제출됐다. Qwen3-VL에서는 오프라인·서버·인터랙티브 시나리오 전반에 걸쳐 기존 GB300 NVL72 대비 최대 3.7배 높은 처리량을 냈고, DeepSeek-R1에서는 최대 2.5배 높은 처리량을 기록했다. 각각 vLLM과 엔비디아 다이나모(Dynamo) 오픈소스 추론 프레임워크, 텐서RT-LLM 라이브러리가 사용됐다.기존 제품인 GB300 NVL72는 확장 효율성을 입증했다. 엔비디아는 DeepSeek-R1 추론을 단일 랙(GPU 72장)에서 4개 랙(288장)까지 늘린 결과, 오프라인 시나리오에서 99%의 확장 효율을 달성해 처리량이 투입 하드웨어에 거의 비례해 증가했다고 설명했다.소프트웨어 최적화에 따른 성능 향상도 함께 제시됐다. GB300 NVL72의 Qwen3-VL 성능은 직전 v6.0 대비 최대 1.6배 개선됐으며, KV 캐시 정밀도 조정과 커널 퓨전, 분산 서빙 등이 적용됐다. 이번 MLPerf에는 ASUS, 델, HPE, 오라클 클라우드 인프라스트럭처, 슈퍼마이크로 등 19개 파트너사가 참여했다.

엔비디아·구글·에메랄드AI, '전력 유연 데이터센터' 동맹 결성

엔비디아는 자사 블로그를 통해 에메랄드AI(Emerald AI), 구글과 함께 'AI 에너지 관리 얼라이언스(AEMA)'를 출범했다고 밝혔다. 전력망 상황에 따라 데이터센터가 전기 사용량을 능동적으로 조절하도록 하는 것을 목표로 내건 연합체다.엔비디아는 전력이 미국 AI 인프라 확장의 결정적 제약 요인이 됐다고 설명했다. 기존 계통 연계(인터커넥션) 절차가 전력 수요가 일정한 시설을 전제로 설계돼, 전력 계통이 빠듯할 때 스스로 반응할 수 있는 컴퓨팅 설비를 상정하지 않았다는 것이다. 유연한 데이터센터는 연산 작업을 이동하거나 저장장치를 방전하고, 별도 발전 설비를 활용하는 방식으로 계통에서 끌어오는 전력을 조정할 수 있다.AEMA는 특정 하드웨어나 소프트웨어를 지정하지 않는 '기술 중립·성능 기반' 방식을 표방한다. 응답 속도와 지속 시간, 예측 가능성, 비상 시 작동 방식 등 측정 가능한 성능을 기준으로 삼겠다는 것이다. 연합체는 ▲시설 연계 이전에 계통 교란 시 접속 유지·전력 사용 감축·비상 대응 의무를 사전 규정 ▲기술 요건과 성능 지표, 운영 데이터 공유의 표준화 ▲검증 가능한 유연성을 약속한 고객에게 더 빠른 연계 경로 부여 ▲실제 계통 영향과 편익을 반영한 연계 비용 배분 등을 원칙으로 제시했다.AEMA에는 AI 플랫폼과 인프라 사업자, 데이터센터 운영사, 발전사, 전력회사, 지역 계통 운영기관 등이 참여하며 창립 회원 외에 추가 출범 파트너가 합류할 예정이라고 엔비디아는 전했다. 구체적인 참여 기업 명단과 활동 일정은 공개되지 않았다.

AI 데이터센터 1조 달러 베팅… "수익 못 내면 역사상 최대 자본 오배분"

MIT 테크놀로지 리뷰는 15일 인공지능(AI) 데이터센터에 쏟아붓는 천문학적 규모의 투자가 수익으로 이어지지 않을 경우 "역사상 최대 규모의 자본 오배분"이 될 수 있다는 경제학자들의 분석을 보도했다.이 매체에 따르면 제시카 왁터 펜실베이니아대 와튼스쿨 교수는 이른바 하이퍼스케일러들의 지출이 2027년까지 약 1조1000억 달러에 이를 것으로 추산하고, 자본비용과 15%의 수익률, 자산 감가상각을 감안할 때 이들이 2030년까지 손익분기점에 도달하려면 자체 생산성을 2.7배 끌어올려야 한다고 계산했다. 왁터 교수는 불가능한 수준은 아니지만 "몇 년 안에 압축하기에는 매우 큰 성장"이라며, 목표에 미치지 못하면 이자 상환이 밀리고 파산 위험으로 이어질 수 있다고 말했다. 그는 미국 증권거래위원회(SEC) 수석 이코노미스트를 지낸 인물이다.지출과 매출의 격차도 지적됐다. 개리 겐슬러 전 SEC 위원장(현 MIT 슬론경영대학원 교수)은 올해 하이퍼스케일러들이 약 7500억 달러를 쓰는 데 비해 전체 AI 매출은 1500억~2000억 달러 수준에 그친다며 "지출에 상응하는 매출이 아직 없다는 것은 사실"이라고 말했다.차입에 따른 위험도 커지고 있다. 알파벳은 최근 분기 1200억 달러에 가까운 매출을 올리고도 AI 인프라 지출로 59억 달러 규모의 잉여현금흐름 적자를 기록했는데, 이는 2004년 구글 상장 이후 처음이다. 모건스탠리는 하이퍼스케일러들이 2025~2028년 AI 데이터센터 건설에 투입할 2조9000억 달러 가운데 절반 이상이 외부 자본으로 조달될 것으로 추산했다.

샌더스와 배넌이 한목소리…美 워싱턴서 'AI 규제' 초당적 결집

더 디코더(The Decoder)는 미국 워싱턴에서 열린 '프로휴먼 어셈블리(Pro-Human Assembly)'에서 정치적 성향이 정반대인 인사들이 인공지능(AI) 규제를 함께 요구했다고 보도했다. 뉴욕타임스 보도를 인용한 이 매체에 따르면, 민주적 사회주의자를 자처하는 버니 샌더스 상원의원과 마가(MAGA) 진영의 설계자로 불리는 스티브 배넌이 잇따라 연단에 올라 AI에 더 강한 제한을 두라고 촉구했다. 샌더스는 "절벽을 향해 달리고 있다면 브레이크를 밟아야 한다"며 지금이 "세계사에서 위험하고 전례 없는 순간"이라고 말했다.비영리단체 '퓨처 오브 라이프 인스티튜트'가 주최한 이 행사에는 수백 명이 참석했다. 공화당과 민주당 의원, 복음주의·모르몬·가톨릭 종교 지도자, 예술가들이 한자리에 모였고 참석자들에게는 "미래를 인간답게 지키자(Keep the future human)"는 문구가 적힌 모자가 배포됐다. 배우 애슐리 저드는 배우조합 SAG-AFTRA를 대표해 AI 이미지 악용과 허위정보 문제를 지적했고, 챗봇과 관계를 맺은 뒤 스스로 목숨을 끊은 청소년의 부모들도 발언에 나섰다.다만 해법을 두고는 합의가 없었다. 샌더스는 데이터센터 건설을 중단시키는 법안을 발의했고 초지능 AI 금지를 위한 미·중 정상 간 합의를 주장한 반면, 배넌은 입법으로는 부족하다며 대통령 행정명령을 요구했다. 더 디코더는 백악관이 이런 흐름에 반대하는 입장이며, 도널드 트럼프 대통령은 AI 위험론을 "사기"라고 불러왔다고 전했다.같은 매체는 폴리티코를 인용해 오픈AI가 'FRONTIER 법안'의 핵심 조항을 지지하기로 했다고 덧붙였다. 공화당 제이 오버놀티 의원과 민주당 로리 트래한 의원이 발의한 이 법안은 연방 차원의 첫 AI 안전 체계를 만들고, 매출·연산량 기준을 넘는 선도 기업에 독립검증기관(IVO) 도입을 의무화한다. 크리스 르헤인 오픈AI 글로벌 담당 책임자는 발의자 측에 "지지할 수 있다"고 전했으며, 오픈AI가 외부 안전 감사에 관한 구체적 연방 의무 조항을 공개

구글 리서치, 검색 쿼리 확장 '추론 병목' 없앤 새 프레임워크 공개

구글 리서치(Google Research)는 블로그를 통해 인공지능(AI) 검색의 추론 단계 부담을 없앤 '리트리브-포-트레인(Retrieve-for-Train)' 프레임워크를 공개했다고 밝혔다. 강화학습(RL)을 학습 단계에서 한 번만 사용해 경량 확산(diffusion) 모델에 검색 확장 능력을 압축해 넣는 방식이다.구글 리서치에 따르면 이 연구는 ICML 2026 논문 '강화학습으로 컴파일된 확산을 통한 효율적·속성 정렬 팬아웃 검색'에 담겼다. 기존 방식은 '캠핑 장비' 같은 넓은 검색어를 여러 하위 질의로 쪼개는 '쿼리 팬아웃'을 대규모언어모델(LLM)에 맡겼는데, 이 과정에서 추론 시점마다 막대한 '사고 예산(thinking budget)'이 소모되는 점이 문제로 지목됐다.연구팀은 젬마3-4B와 큐원3-4B 등 40억 파라미터급 오픈소스 모델을 근거성·정렬도·다양성(벤디 스코어)을 결합한 보상 함수로 강화학습한 뒤, 그 행동을 5390만 파라미터 확산 검색기로 증류했다. 그 결과 자기회귀 방식 대비 12~20배 속도 향상을 얻었으며, 대규모 배치에서 기존 방식이 약 50초까지 지연되는 구간에서도 1초 미만에서 수 초 수준을 유지했다고 구글 리서치는 설명했다.연구팀은 다양성 항목을 빼면 모델이 데이터베이스 좌표를 악용한 무의미한 문자열을 만들어내는 '보상 해킹'이 나타났다고 덧붙였다. 평가는 패션 이미지 데이터셋과 음악 플레이리스트 데이터셋에서 이뤄졌다.