최신특허 TV 공부방(김종승 변리사)

바이트댄스의 연구팀인 시드 AI(Seed AI)는 3일 AI 에이전트가 실제 실행 환경에서 피드백을 받으며 스스로 진화하는 메커니즘을 규명하고, 이를 기반으로 한 새로운 확장 법칙과 오픈소스 벤치마크 ‘엣지벤치(EdgeBench)’를 공개했다. 단발성 답변만 측정하던 기존 벤치마크를 넘어 AI에게 최대 72시간 동안 고난도 과제를 위임한 결과, AI 에이전트의 학습 효율이 3개월마다 2배씩 가파르게 상승한다는 사실이 확인됐다. 엣지벤치는 모델이 시간이 지나며 얼마나 배울 수 있느냐를 측정한다는 것이 중요하다. 실제로 앤트로픽의 '클로드 오퍼스 4.8'을 기준으로 12시간 동안 이전의 실패 경험을 누적하며 학습한 그룹은 43.0점을 기록했다. 반면, 시도마다 처음부터 다시 시작한 그룹은 36.1점에 그쳤다. AI가 과거의 실패를 통해 배우는 재귀적 자기개선이 가능하다는 해석이 가능하다. 이 과정에서 가장 중요한 하드웨어 요소는 모델의 기억에 해당하는 컨텍스트 창인 것으로 확인됐다. 컨텍스트 용량이 100만 토큰인 모델은 20만개의 모델을 상대로 테스트 전 구간에서 우위를 점했다. 최종 12시간 시점에서의 성능 상한선도 100만 모델은 97.8점, 20만 모델은 81.5점으로 갈렸다. 이는 장기 업무를 수행할 때 과거의 실패 로그와 빌드 오류를 잊지 않고 기억하는 능력이 학습의 핵심이라는 의미다. 이번 바이트댄스의 발견은 AI 개발 전략에 지각변동을 예고할 수 있다는 평을 받고 있다. 사전학습에 막대한 자원을 투입하는 기존 스케일링을 넘어, AI를 실제 환경에 오래 붙여두고 스스로 진화하게 만드는 '추론 및 테스트 타임 컴퓨트(Test-time Compute)'가 새로운 스케일링 법칙이 될 수 있다는 점을 보여줬기 때문이다. ** 에이전트 진화의 핵심은 메모리 https://www.aitimes.com/news/articleView.html?idxno=212425