범용 AI, B200 커널 최적화서 전문가 능가

ai.euno.news 자동 뉴스 요약

최적화 목표와 제약 조건만 받은 범용 AI 에이전트가 엔비디아 B200 GPU에서 공개 라이브러리와 전문 에이전트가 만든 커널을 다수의 연산에서 앞섰다는 연구가 나왔다. 10월 27일 아카이브(arXiv)에 공개된 논문은 이 기법을 저스트골(JustGoal)이라고 이름 붙였다. GPU 커널별 지식이나 전용 평가 도구, 미리 설계한 탐색 절차 없이도 AI가 스스로 평가 루프를 구성해 최적화를 수행한다는 점이 핵심이다.¹

GPU 커널은 대규모 언어 모델의 학습·추론 과정에서 특정 연산을 실행하는 프로그램이다. 소수의 핵심 커널이 전체 처리 효율을 좌우하지만, 고성능 커널을 만드는 작업은 통상 전문가의 수작업이나 도메인 지식을 탑재한 전문 에이전트에 의존한다. 저스트골 연구진은 기반 모델의 성능이 높아진 상황에서도 이런 전문 장치가 실제로 얼마나 도움이 되는지 검증하기 위해, 의도적으로 최소한의 정보만 제공하는 기준선을 만들었다.

논문이 보고한 B200 실험 결과는 다음과 같다.

같은 기반 모델을 써야 전용 설계의 효과를 분리할 수 있다는 점도 이번 연구의 중요한 대목이다. 연구진이 페이블 5.1(Fable 5.1)로 모델과 단일 입력 형태를 통제하자, 전문 실행 환경인 KDA-0.5의 성능은 저스트골의 0.95배에 그쳤다. 도메인 지식이나 사전 정의된 작업 흐름을 하나씩 적용한 제거 실험에서도 일관된 이득은 나타나지 않았다.¹

다만 이 결과는 동료 평가를 거치지 않은 아카이브 초고이며, B200과 논문이 선택한 연산·입력 범위에서 얻은 수치다. 따라서 모든 GPU와 커널에서 범용 에이전트가 전문가를 대체한다고 확대해석할 수는 없다. 논문이 직접 제시하는 결론도 더 제한적이다. 전문 지식과 전용 탐색 장치를 추가하려면 같은 모델·같은 범위의 목표 전용 기준선보다 명확히 나은 결과를 입증해야 하며, 기반 모델이 바뀔 때마다 그 효과를 다시 평가해야 한다는 것이다.

읽기 목록은 이 브라우저에 저장됩니다.