한국어 요약by Claude · 2026. 10. 3.

서비스나우 코어AI 연구팀이 엔터프라이즈 환경에서 AI 에이전트를 학습시키기 위한 합성 학습 데이터 생성 파이프라인 'AutoSynthData'를 공개했다. 이 시스템은 대상 모델이 실패하는 지점과 더 강한 교사 모델이 성공하는 방식을 비교해 어떤 능력을 보강해야 하는지 파악한 뒤, 실제로 수행 가능하고 현실적이며 아직 안정적으로 풀리지 않는 새 과제를 생성·검증한다. 생성된 과제는 양성·음성 검증과 비평·수정 루프를 거쳐 품질을 확보하고, 배치 단위로도 다양성과 커버리지를 점검한다. EnterpriseOps Gym 실험에서 Gemma-4-26B-A4B-it 모델을 대상으로 Hybrid 도메인에서는 평균 Pass@1을 7.2%포인트(35% 상대 개선) 끌어올려 검증 성공률을 63.01%에서 68.55%로 높였고, ITSM 도메인에서는 Pass@1을 18.77%에서 27.18%로 향상시켰다.

•AutoSynthData는 대상 모델의 실패와 크론 모델의 성공을 대비해 부족한 능력을 탐장하고, 이를 개려봀 새 학습 가제를 생성·검증.
•생성 개제는 수행 가능성·현실성·난이도 기준을 충족해야 하고, 양성·음성 검증과 비평·수정 루팩로 개려류 필퇰앵.
•EnterpriseOps Gym Hybrid 도엄에서 Gemma 모델의 평걗 Pass@1을 7.2%포인턱(35% 상당 거통) 끄올리고 검증 성공륨을 63.01%→68.55%로 향상.
•ITSM 도엄에서는 동샙 모델의 Pass@1을 18.77%에서 27.18%로 끄올리며 제2 도엄에서도 효과를 확인.

0단 자동

AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.