함께 하는 연구

공동 연구

어떤 이야기는 우리가 누군가의 논문이나 글 아래에 남긴 댓글에서, 어떤 이야기는 상대가 먼저 보내 온 메시지에서 시작했습니다. 이야기마다 주제도, 예상 밖의 전개도 다릅니다.

일러스트: 햇살 드는 작업실의 작업대 네 개. 계기판 두 개가 달린 그래픽카드, 폭풍 치는 섬 옆의 결정 카드, 초파리가 앉은 빛나는 점들의 유리 상자, 앱 블록 한 줄. 모두 빛나는 실로 차트가 그려진 펼쳐진 노트 한 권에 이어져 있다.

30초 요약

세 사람, 세 가지 질문. 모두 자기만의 무언가를 만들고 있고, 우리는 그중 한 가지 질문을 함께 공개적으로 풀어 갑니다.

Anagha Langhe는 자신의 모델을 가볍게 줄인 버전(FP8)이 답을 더 못하는지 확인했습니다. 120문제 중 맞던 답이 틀리게 바뀐 건 딱 하나였습니다.

Mark Goodbody는 자신의 추론 프레임워크가 ChatGPT와 Claude의 결정을 바꾸는지 시험했는데, 이번 실행에서는 주요 구분이 프레임워크가 있든 없든 나타나서 아직 이점이 확인되지 않았습니다. 모델들이 "말할 수 있는 것"과 "해야 할 일"을 이미 알아서 구분하고 있었거든요.

Mohan Bheemadolu는 에이전트의 메모리를 아주 작은 코드로 눌러 담고, 우리는 그러면 두 AI가 같은 오답에 동의하는 일이 더 잦아지는지 함께 실험하고 있습니다.

YouTube에서 보기

이야기들

세 명의 조언자가 모두 2년 전의 같은 지도를 근거로 그 학교를 추천합니다. 한 조언자는 오늘 자 점검 결과, 학교의 단차 없는 출입구가 닫혀 있다는 사실을 갖고 있습니다. 두 AI는 Mark의 프레임워크가 앞에 있든 없든 세 명을 하나의 출처로 셌습니다.

AI 모델은 이미 주장과 행동을 구분하고 있을까?

함께: Mark Goodbody · 시스템 엔지니어, 영국 · Mechanical Ethics와 TRACE의 저자

이야기 읽기 →

에이전트의 메모리에 사실이 빠져 있었는데도 GPT와 Claude는 33번이나 같은 답을 냈고, 그중 15번은 오답이었습니다. Mohan의 FlyHash는 기억마다 활성 비트 몇 개만 켭니다. 그렇다면 더 압축된 코드는 이런 공유된 실수를 더 흔하게 만들까요?

에이전트의 메모리를 희소 코드로 압축하면, 두 AI가 같은 오답에 동의하게 될까?

함께: Mohan Bheemadolu · AI 에이전트 개발자 · FlyHash for LLM agent memory 공저자

이야기 읽기 →

공동 연구는 이렇게 진행됩니다

  1. 질문이든 시스템이든 데이터든 가져오시면 됩니다. 직접 운영하는 모델, 에이전트의 메모리, 사례 모음, 혹은 한번 제대로 시험해 보고 싶은 논문이면 충분합니다.
  2. 결과를 보기 전에, 무엇을 돌리고 무엇을 답으로 칠지부터 정합니다.
  3. 각자 맡은 부분을 돌립니다. 공개할 수 있는 건 전부 공개합니다. 코드, 프롬프트, 원본 답변, 숫자까지요.
  4. 이야기는 지금 보시는 것과 같은 페이지에 쉬운 말로, 당신의 이름과 링크를 달아 올라가고, 작업이 진행되는 만큼 계속 자랍니다.

공동 연구 제안하기

어떤 작업을 하고 있는지, 무엇을 알아내고 싶은지, 코드나 논문은 어디 있는지 몇 줄로 알려 주세요. 모두 읽고 직접 답해 드립니다.

polyhelper.ai@gmail.com