구글이 AI 에이전트의 탐색 비용을 줄이는 재귀적 자기개선(RSI) 시스템 '드림-RSI'를 17일(현지시간) 공개했다. 과거 탐색 기록을 '발견 트리'로 저장해 재생 가능한 시뮬레이터로 바꾸고, 새로운 탐색 전략을 실제 코드 실행 없이 과거 기록만으로 평가하는 '꿈(Dreaming)' 단계가 핵심이다. 8개 탐색 과제 실험에서 기존 심플TES 대비 최대 162배 적은 탐색 에이전트 호출로 비슷한 성과를 냈으며, 라쏘 탐색 실험에서는 제미나이-3.1-프로의 평균 실행 시간이 3587.1ms에서 2931.0ms로, 호출 횟수는 550회에서 317회로 줄었다. 이는 AI 코딩·문제해결 에이전트가 실패한 경로를 반복 실행하며 낭비하던 연산 비용을 크게 절감할 수 있는 실용적 방법을 제시했다는 의미가 있다.
- •구글, 과거 탐색 기록을 '발견 트리'로 저장해 재생하는 '드림-RSI' 시스템 공개
- •실제 코드 재실행 없이 과거 기록만으로 새 탐색 전략을 평가하는 '꿈' 단계가 핵심
- •8개 탐색 과제에서 기존 방식 대비 최대 162배 적은 에이전트 호출로 동등 성능 달성
- •제미나이-3.1-프로 기준 평균 실행시간 3587.1ms→2931.0ms, 호출 550→317회로 감소
- •GPU 커널 엔지니어링 과제(VGG16, LayerNorm 등)에서도 최대 2.43배 효율 향상 확인
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
구글, AI 문제 해결에 ‘재귀적 자기개선’ 도입...탐색 비용 162배 절감
- 1.구글, 과거 탐색 기록을 재사용해 재실행 없이 새 전략을 평가하는 '드림-RSI' 시스템 공개
- 2.모든 결정과 실행 결과를 '발견 트리'에 저장해 재생 가능한 시뮬레이터로 변환, 탐색 비용 최대 162배 절감
- 3.라쏘 탐색서 제미나이-3.1-프로 평균 실행시간 3587ms→2931ms, 호출 550회→317회로 감소
- 4.GPU 커널 엔지니어링 VGG16·LayerNorm 등서 최대 2.43배 적은 생성으로 동등 이상 성능 달성
왜 중요한가?
재귀적 자기개선(RSI)은 AI가 스스로 성능을 개선하는 핵심 방법론이지만 매 평가마다 실제 코드 재실행이 필요해 비용이 컸는데, 과거 경험을 재사용하는 방식으로 이 병목을 해소해 에이전트 자기개선의 실용성을 크게 높인다.
구글이 AI 문제 해결에 '재귀적 자기개선'을 도입하여 탐색 비용을 162배 절감하는 기술을 공개한 것은 국내 AI 개발 및 운영 기업들에게 매우 반가운 소식입니다. 이는 LLM 기반 에이전트의 효율성을 극대화하고 막대한 연산 비용 부담을 줄여, 국내 AI 기술 상용화 및 확산에 긍정적인 영향을 미칠 것입니다.
본문 미리보기
구글이 AI 에이전트의 문제 해결 과정에 재귀적 자기개선(RSI)을 적용하면서도 탐색에 필요한 실행 비용을 크게 줄이는 새로운 방법을 공개했다. 구글은 17일(현지시간) AI 코딩 및 문제 해결(탐색) 에이전트가 실패한 경로를 반복 실행하며 막대한 연산 비용을 낭비하는 문제를 해결하기 위해, 과거의 경로 탐색 기록을 재사용하는 '드림-RSI(Dream-RSI)' 시스템을 공개했다.과거 탐색 기록을 일종의 시뮬레이터로 활용해 수천개의 새로운 탐색 전략을 실제 코드 실행 없이 평가하는 것이 핵심이다.RSI는 AI가 문제를 해결하는 과정
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:24AI 초안
