출처
- source_url: https://discuss.pytorch.kr/t/agents-a1-1t-35b/11368
- author: 9bow
- published: Wed, 22 Jul 2026 05:30:12 +0000
- raw: 2026-07-22-pytorchkr-topic-11368-agents-a1-1t-35b
요약
원문 URL: https://discuss.pytorch.kr/t/agents-a1-1t-35b/11368
Hermes CLI 요약 생성에 실패하여 원문 앞부분 기반의 임시 요약을 저장합니다.
원문 발췌
파라미터가 아니라 호라이즌을 키운다: 35B Agents-A1이 1T급 성능에 도달하는 접근 / Scaling the horizon, not the parameters1536×1024 448 KB Agents-A1 소개 새 팀원이 합류했을 때를 떠올려 봅시다. 우리는 그 사람의 머릿속에 세상 모든 지식을 미리 채워 넣는 대신, 자료를 검색하고 도구를 써보고 중간 결과를 확인하며 시행착오를 거쳐 문제를 풀어내는 “일하는 방법”을 익히도록 돕습니다. 최근 대형 언어 모델(Large Language Model, LLM) 연구도 비슷한 갈림길에 서 있습니다. 모델의 머릿 속(파라미터)에 더 많은 것을 우겨넣을 것인가, 아니면 모델이 오래 일하며 스스로 문제를 풀어나가는 능력을 키울 것인가 하는 선택입니다. 이 글에서 소개하는 Agents-A1 은 InternScience 에서 공개한 35B 규모의 에이전트 모델로, 후자의 길을 택합니다. 이 연구는 파라미터를 키우는 대신 에이전트 호라이즌(agent horizon) 을 확장함으로써, 파라미터가 1T(조 단위)에 달하는 초대형 모델에 필적하는 성능을 35B 모델로 달성할 수 있음을 보입니다. 여기서 에이전트 호라이즌이란 하나의 과제를 해결하기 위해 모델이 거치는 단계와 상호작용 궤적(trajectory)의 길이를 뜻합니다. 실제로 Agents-A1의 학습 데이터는 평균 45K 토큰에 이르는 긴 궤적으로 구성되어 있습니다. 파라미터 확장의 벽과 또 다른 길 최근 인공지능 연구는 수동적으로 언어를 생성하던 모델에서, 계획을 세우고 도구를 사용하며 환경과…
관련 위키
원문 보존 위치
원문 전체는 2026-07-22-pytorchkr-topic-11368-agents-a1-1t-35b에 source_url 및 HTML 원문과 함께 저장되어 있습니다.