Loading...

AI 뉴스

구글 오픈AI 모델, 코딩 결선에서 인간을 능가

페이지 정보

작성자 xtalfi
작성일 2025.09.18 17:34
1,054 조회
0 추천
0 비추천

본문

9de4d9cebf14335c3880e38d078588dceKWm.png

(퍼플렉시티가 정리한 기사)

구글은 화요일, 자사의 첨단 Gemini 2.5 Deep Think 모델이 2025년 국제 대학생 프로그래밍 경진대회 세계 결승에서 금메달 수준의 성능을 달성했다고 발표했습니다. 해당 모델은 139개 인간 팀이 도전한 12개의 복잡한 코딩 문제 중 10개를 해결했습니다. 반면 OpenAI는 자사의 추론 모델이 같은 대회에서 12문제 모두를 해결했다고 주장하며 더욱 인상적인 성과를 내세웠습니다.


ICPC 세계 결승은 9월 4일 아제르바이잔 바쿠에서 열렸으며, 대학생 프로그래밍 경진의 정점으로, 103개국 약 3,000개 대학에서 팀들이 참가합니다. 참가자들은 알고리즘 문제를 해결하기 위해 단 5시간이라는 긴박한 제한 시간 내에 완벽한 해답만이 점수를 받을 수 있는 혹독한 도전을 경험합니다.


AI 시스템이 인간 챔피언을 능가하다


구글 딥마인드의 발표에 따르면 Gemini 2.5 Deep Think는 단 45분 만에 8개의 문제를 해결했으며, 추가로 3시간 내에 2개의 문제를 완료했습니다. 시스템은 10개의 정답을 내는 데 총 677분의 시간을 기록했으며, 이는 인간 참가자 중 전체 2위에 해당하는 기록이었습니다.


특히 주목할 만한 점은 Gemini가 모든 인간 팀을 좌절시킨 복잡한 최적화 문제인 C번 문제를 성공적으로 해결했다는 것입니다. 이 문제는 서로 연결된 파이프와 저수지를 통한 액체 분배와 관련된 어려운 과제였습니다. AI는 각 저수지에 우선순위 값을 할당하고, 동적 프로그래밍 알고리즘을 활용하여 최적의 분배 구성을 찾아냈습니다.


이에 대해 OpenAI는 GPT-5 및 실험적 추론 모델을 포함한 범용 추론 모델 앙상블이 모든 12개 문제를 해결하여 완벽한 점수를 얻었다고 주장했습니다. 회사에 따르면, GPT-5가 11개의 문제를 정확히 해결했고, 실험적 모델이 가장 어려웠던 마지막 문제를 9번의 제출 시도 끝에 완수했다고 밝혔습니다.


AI 거대 기업들 간의 경쟁이 심화된다


경쟁적인 발표들은 인공지능 개발 분야에서 기술 대기업 간의 치열한 경쟁을 부각시킵니다. 두 회사 모두 자사 모델이 대회의 특정 훈련이 아닌 범용적인 추론을 사용했다고 강조했으며, 이는 이전의 전문화된 방식에서의 변화를 의미합니다.


이 성과들은 수학 경시 대회에서의 이전 성공을 바탕으로 이루어졌습니다. 오픈AI와 구글 딥마인드는 각각 2025년 7월 국제 수학 올림피아드(IMO)에서 금메달급 성과를 거두었으며, 각각 6문제 중 5문제를 해결했습니다.


ICPC 글로벌 사무국장인 Dr. Bill Poucher는 AI의 참여를 “차세대에 필요한 AI 도구와 학문적 기준을 정립하는 중요한 순간”이라고 평가했습니다. 구글은 이러한 돌파구가 프로그래밍을 넘어 반도체 공학, 신약 개발, 과학 연구 등 다양한 분야에 긍정적인 영향을 미칠 수 있다고 제시합니다.


2025년 ICPC의 인간 우승팀은 상트페테르부르크 국립대학 팀이었으며, 11문제를 해결해 세계 챔피언에 올랐습니다. 총 139개의 인간 팀 중 단 네 팀만이 금메달을 따냈습니다.

댓글 0
전체 858 / 161 페이지
손목밴드에서 조정을 하는 것 같고 전작과 많이 달라졌습니다.AI 기능으로 번역도 가능하네요..https://www.meta.com/kr/ai-glasses/meta-ray-ban-display/
1025 조회
0 추천
2025.09.18 등록
조금 전 메타가 AI 기능이 있는 안경을 비롯하여 중요한 키노트를 진행하였습니다.CNET이 준비한 키노트 요약입니다.RAYBAN 과 새로 제작한 안경이 큰 화제입니다.
1112 조회
0 추천
2025.09.18 등록
마이크로소프트가 코파일럿 메모장과 그림판 연동기능을 제공하기 시작했으며이 기능은 오피스365를 사용하지 않아도 코파일럿을 이욯하면 이용할 수 있다.예를 들어 메모장은 다음과 같은 기능을 갖게 된다.-요약: 긴 텍스트를 간략하게 요점만 추려내고, 문서의 핵심을 빠르게 파악할 수 있습니다.- 쓰기: 프롬프트나 선택한 텍스트를 활용해 새로운 문장을 AI로 쉽고 빠르게 작성합니다.- 다시 쓰기: 선택한 내용을 AI가 어투, 길이, 명확성 등 다양한 스타일로 변환해 줍니다.또한 그림판은 다음과 같은 기능을 추가하게 된다.- 프로젝트 파일 저장 기능: 그림판에서 작업을 .paint 파일로 저장해 언제든 이어서 편집이 가능.- 불투명도(Opacity) 슬라이더: 연필 및 브러시 도구의 투명도를 원하는 대로 조절해 더 섬세한 혼합이나 레이어링 효과 주기.- 크기 및 불투명도 슬라이더 병행 사용: 두 슬라이더를 활용해 부드럽게 배합하고 다양한 질감의 그림 그리기.
1065 조회
0 추천
2025.09.18 등록
(퍼플렉시티가 정리한 기사)중국 AI 스타트업 DeepSeek은 획기적인 R1 모델 훈련 방식에 관한 새로운 세부 정보를 세계적인 권위지 네이처(Nature)의 동료검토 논문을 통해 발표했습니다. 이 논문에서는 기존 경쟁 모델 대비 극히 적은 비용으로 순수 강화학습만을 사용해 첨단 추론 능력을 달성한 방법을 공개했습니다.항저우에 본사를 둔 이 회사는 자사의 R1 추론 모델 훈련 비용이 단 29만 4천 달러에 불과하며, 기반 베이스 모델의 개발 비용은 약 600만 달러였음을 처음으로 공개했습니다. 총 630만 달러가 소요된 것으로, 이는 미국의 기술 기업들이 개발한 경쟁 모델이 수천만 달러에 달하는 것과는 극명한 대조를 이룹니다.순수 강화학습의 획기적인 발전DeepSeek의 주요 혁신은 연구자들이 “순수 강화 학습(pure reinforcement learning)“이라고 부르는 방식을 사용해 R1을 개발한 점에 있으며, 이는 인간이 만든 예시에 의존하는 기존의 감독 학습(supervised learning) 방식과는 다른 접근법입니다. 이 과정에서 모델은 인간이 선택한 추론 방식에 따르도록 학습시키는 대신, 올바른 답변에 도달할 때 보상을 받도록 설계되었습니다.네이처(Nature) 논문에 따르면, DeepSeek의 접근법은 모델이 인간이 제시한 전략을 따르지 않고도 자체적인 추론 전략을 개발하고 자신의 작업을 검증할 수 있는 능력을 갖추게 해주었습니다. 회사는 자체 시도에 대해 별도의 알고리즘을 사용하지 않고 추정치를 활용해 점수를 매길 수 있게 해주는 Group Relative Policy Optimization(GRPO)이라는 기법을 활용했습니다.“이 모델은 AI 연구자들 사이에서 매우 영향력이 컸습니다,“라고 오하이오 주립대(Ohio State University) 콜럼버스 소재 AI 연구원인 Huan Sun은 말했습니다. “2025년 현재까지 LLM에서 강화 학습을 수행하는 거의 모든 연구가 어떻게든 R1로부터 영감을 받았을지도 모릅니다”.5단계 훈련 과정완전한 R1 학습 과정은 감독 학습(fine-tuning)과 강화 학습을 번갈아가며 진행하는 여러 단계로 구성되었습니다. 이 과정은 딥시크(DeepSeek)의 V3-Base 모델을 수천 개의 ‘콜드 스타트’ 데이터 포인트로 파인튜닝하는 것으로 시작했고, 이후 순수 강화 학습을 통해 추론 능력을 향상시켰습니다.수렴에 가까워지면 시스템은 리젝션 샘플링(rejection sampling) 방식을 사용했습니다. 여기서 모델은 강화 학습 실행에서 성공적인 예시 중 최상의 예시를 선택해 자체 합성 훈련 데이터를 생성했습니다. 이 합성 데이터는 이후 글쓰기나 사실 기반 질문응답 등 다양한 영역에서 DeepSeek-V3-Base의 감독 학습 데이터와 통합되었습니다.동료 평가 중인 최초의 주요 LLMR1은 엄격한 동료 평가 과정을 거친 최초의 대형 언어 모델을 의미합니다. Nature 논문을 심사한 허깅페이스의 머신러닝 엔지니어 루이스 턴스톨은 이를 “매우 환영할 만한 선례”라고 평가하며, 훈련 과정이 공개되지 않으면 AI 시스템이 위험을 초래하는지 평가하기 어렵다고 언급했습니다.이 동료 평가 과정에서 DeepSeek는 훈련에 사용된 데이터 유형과 안전 조치를 포함한 기술적 세부 사항에 대한 설명을 추가하게 되었습니다. 이 모델은 오픈소스 특성을 유지하면서도 OpenAI의 o1 모델에 필적하는 추론 벤치마크 성능을 달성하였습니다.성능 및 접근성Hugging Face에서 1월에 출시된 이후, R1은 복잡한 문제 해결을 위한 플랫폼에서 가장 많이 다운로드된 모델이 되었으며, 다운로드 수는 1,090만 회를 넘어섰습니다. 이 모델은 AIME 2024 수학 벤치마크에서 pass@1 점수 79.8%를 기록하여 OpenAI o1의 79.2%를 소폭 앞섰습니다.DeepSeek의 혁신은 AI 개발 비용 및 성능 향상을 위해 모델 크기와 연산 능력을 늘려야 한다는 확장 법칙에 대한 기존의 통념에 도전장을 내밀었습니다. 회사는 비교적 덜 강력한 H800 칩을 사용해 성공을 거두었으며, 이 칩은 2023년 미국의 수출 통제로 중국 내 판매가 금지된 바 있습니다. 이러한 성과는 향후 AI 개발 방향에 대한 논의를 촉진하고 있습니다.
1029 조회
0 추천
2025.09.18 등록
홈으로 전체메뉴 마이메뉴 새글/새댓글
전체 검색
회원가입