애피어, 소형 AI 모델 도구 생성 성능 높인 연구 NeurIPS 채택

'생성-사용-검증-개선' 학습 구조 제안, 검증된 도구를 다른 규모 모델에서도 재사용

[비욘드포스트 이순곤 기자] AI 기업 애피어(Appier)가 거대언어모델(LLM) 에이전트의 도구 생성과 활용을 함께 학습하는 연구 논문이 국제 AI·머신러닝 학회 NeurIPS에 채택됐다고 밝혔다.

논문은 '거대언어모델 에이전트를 위한 도구 생성과 활용의 공동 최적화'를 주제로 강화학습 프레임워크 'SMITH(Schema-grounded Multi-task Iterative Tool Honing)'를 제안했다. AI가 도구를 생성한 뒤 실제 사용 결과를 다시 학습에 반영해 도구를 개선하는 구조다.
SMITH는 도구 생성과 사용을 별도 과정으로 나누는 기존 방식과 달리 '생성-사용-검증-개선' 과정을 하나의 학습 루프로 묶었다. 도구 설명이 불분명하거나 파라미터 설계가 적절하지 않은 경우, 실행 결과를 다시 피드백해 도구 품질을 높이도록 설계했다.

애피어에 따르면 약 40억개 파라미터 규모 모델을 SMITH로 학습한 결과, 학습 과정에서 보지 못한 과제의 도구 생성 성능에서 비교 대상 방식보다 높은 결과를 기록했다. 약 300억개 파라미터 모델이 과제마다 새 도구를 만드는 방식과 비교해서도 우수한 결과를 보였다고 회사는 설명했다.

소형 모델이 생성한 도구를 다른 모델에서도 활용할 수 있다는 결과도 제시했다. 연구에서는 약 3억5000만개 파라미터 규모 모델을 포함해 서로 다른 크기의 모델에 같은 도구를 적용했을 때 과제 수행 성능이 개선된 것으로 나타났다. 반복 추론 과정도 도구로 전환하면서 평균 출력량이 기존 3206토큰에서 약 100토큰으로 줄었다고 밝혔다.
치한 위 애피어 공동창업자 겸 CEO는 "이번 연구는 AI 에이전트가 스스로 도구를 만들고 개선하는 것은 물론 효과가 확인된 도구를 다양한 규모의 모델이 함께 활용할 수 있음을 보여준다"며 "앞으로도 에이전틱 AI의 실제 적용을 확대해 기업이 측정 가능한 성과를 창출할 수 있도록 지원할 것"이라고 말했다.

sglee640@beyondpost.co.kr