기반 모델이 스스로를 개선하는 Recursa 시스템
원제 Recursa: Toward Recursively Self-Improving Foundation Model Systems
추천 10댓글 1
Key Point
Foundation models의 도메인 외 지식 한계를 인간 개입 없이 자동으로 극복하는 방식이 제시되어, AI 시스템이 스스로 학습·개선되는 경로를 보여준다.
핵심 요약
- Foundation models는 원래 학습하지 않은 새로운 도메인의 지식을 마주칠 때 적응하기 어려우며, 이러한 새 도메인에서 충분한 전문가 데이터나 신뢰할 수 있는 감독 신호를 얻기 어렵다.
- Recursa는 인간 전문가나 더 강한 교사 모델 없이 자신의 경험으로부터 학습하여 새로운 도메인에 적응하는 기반 모델 시스템이다.
- 도메인별 스킬과 적용 시점, 과거 작업 경험의 기억, 개선할 점에 대한 반성을 저장하는 지식 저장소를 사용하며, 도메인 자료로부터 저장소를 초기화한 뒤 재귀적 자기 개선을 통해 정제한다.
- 병렬 학습기들이 작업을 수행하고 지역적 개선을 합성하며, 이를 검증하고 지식 저장소에 병합한다.
- Harvey LAB의 Firm Knowledge 벤치마크에서 Recursa는 DeepSeek-V4.1-Flash로 학습하지 않은 테스트 작업의 전체 통과율을 30.0%에서 55.0%로, Qwen3.8-Flash로는 35.0%에서 46.0%로 높였다.