AI Briefing150M 파라미터 재귀 모델, ARC-AGI-1에서 높은 효율성 입증
A 150M param recurrent model scores 29.5% on ARC-AGI-1 at $0.0007 per task
·2026.08.15 04:36
핵심 내용
150M 파라미터 규모의 재귀적 잠재 추론 모델이 ARC-AGI-1에서 높은 효율성을 기록했다.
자세히 보기
트랜스포머 구조가 아닌 재귀적 잠재 추론(Recurrent Latent Reasoning) 설정을 사용하는 새로운 모델이 공개되었다. 이 모델은 답변을 생성하기 전 잠재 공간(Latent Space)에서 지속적으로 '생각'하는 과정을 거치는 것이 특징이다.
주요 성과는 다음과 같다:
- ARC-AGI-1 벤치마크에서 **29.5%**의 점수 기록
- 태스크당 비용 약 $0.0007로 매우 낮은 비용 달성
- 150M 파라미터라는 매우 작은 규모로 구동 가능
이 모델은 기존의 비용 대비 정확도 경계(Cost/Accuracy frontier)를 벗어난 성능을 보여주며, 향후 1B~3B 규모로 확장되었을 때의 잠재력이 매우 높게 평가된다.
이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.
