메타 AI 연구조직 FAIR가 옥스퍼드대·UCL과 함께 GPU 실행 전 실험 후보의 성공 가능성을 먼저 비교·평가하는 'AI 연구 선호 모델(RPM)'을 공개했다. AIRA-도조 프레임워크에서 15개 후보를 토너먼트 방식으로 비교해 가장 유망한 하나만 실제 GPU에서 실행하는 구조로, AIRS-벤치 기준 동일 성능 도달 시간을 최대 1.61배 단축했다. 에이전트형 RPM은 위노그란데에서 94.1%, 추론 전용 RPM은 SVAMP에서 95.7%를 기록해 기존 최고 기록을 넘어섰다. 연산 자원 확장보다 에이전트의 의사결정 효율화가 AI 연구 속도를 크게 좌우할 수 있음을 보여준 사례다.

• •메타 FAIR·옥스퍼드대·UCL이 GPU 실행 전 실험 후보를 비교·평가하는 RPM을 arXiv에 공개
• •AIRA-도조에서 15개 후보를 토너먼트 방식으로 비교해 최유망 후보 1개만 실행
• •AIRS-벤치 동일 성능 도달 시간을 추론 전용 RPM은 1.61배, 에이전트형 RPM은 1.55배 단축
• •에이전트형 RPM은 위노그란데 94.1%, 추론 전용 RPM은 SVAMP 95.7%로 기존 최고 기록 경신
• •절대 성능을 예측하지 않고 후보 간 상대적 유망성만 비교하는 방식으로 설계