여러 AI 모델이 팀을 이뤄 코딩 문제를 해결하다
1. 이게 뭔가요?
이 기사는 여러 개의 인공지능(AI) 모델을 팀처럼 협력하게 하여 복잡한 프로그래밍 문제를 해결하는 새로운 방법을 소개합니다. 이 방식은 'Memdoor'라는 작업 흐름(workflow)을 통해 구현됩니다. 이 시스템은 다섯 개의 작은 AI 모델을 사용하는데, 각 모델은 '계획을 세우는 사람', '아이디어를 내는 사람(두 명)', '문제를 푸는 사람', '관리자', 그리고 '수정하는 사람'과 같은 역할을 맡습니다. 중요한 점은 이 AI 모델들이 서로 대화할 때 일반적인 채팅창을 사용하는 것이 아니라, 컴퓨터의 '파일'이라는 매개체만을 통해서만 소통한다는 것입니다. 각 단계는 정해진 파일 형태로 정의되며, 각 AI는 매번 새로운 상황에서 시작하여 파일들을 읽고 처리합니다. 이는 사람이 팀을 이루어 문제를 해결하는 것과 비슷한 방식입니다.
2. 왜 화제인가요?
기존의 AI 모델들은 보통 하나의 질문에 대해 하나의 답변만 내놓았습니다. 하지만 이 연구에서는 다섯 개의 작은 AI 모델을 모아 마치 하나의 팀처럼 작동하게 만들었습니다. 이 팀은 각자 독립된 환경에서 시작하며, 오직 파일 입출력만을 통해 소통합니다. 이 방식은 AI가 복잡하고 큰 문제를 한 번에 해결하기 어려울 때, 사람이 팀을 이루어 문제를 나누어 해결하려는 시도입니다. 이 연구에서 사용된 'LiveCodeBench Hard'라는 테스트는 난이도가 높은 프로그래밍 문제들을 모아놓은 시험과 같은 것입니다. 연구진은 자신들이 만든 이 팀 방식의 성능을 기존의 'Fable 5'라는 모델과 비교했습니다. 그 결과, 연구진의 시스템은 특정 테스트 환경에서 Fable 5와 비슷한 수준이거나 더 나은 성능을 보였습니다. 다만, 이 실험은 10개의 문제에 대해 각각 5번씩 테스트한 제한된 범위에서 진행되었으며, 모델이 학습 과정에서 이 문제들을 미리 접했을 가능성은 완전히 배제할 수 없다고 밝혔습니다.
3. 핵심 내용
다섯 개의 작은 AI 모델이 함께 프로그래밍 문제를 해결했습니다. 이 팀은 기획자 한 명, 아이디어 제시자 두 명, 문제 해결사 한 명, 관리자 한 명, 그리고 수정 작업 담당자로 구성되어 있습니다. 각 모델은 완전히 새로운 상태에서 시작하며, 오직 디스크에 저장된 파일들을 통해서만 서로 대화합니다. 이 방식은 GVS5H라는 방법론을 Memdoor라는 작업 흐름으로 구현한 것으로, 별도의 코드를 작성하거나 모델 이름을 명시하지 않고 8개의 YAML 파일만 사용했습니다. 연구진은 이 시스템을 동일한 AI 모델인 Qwen3.8-27B로 재구축하여 테스트했습니다. 그 결과, 10개의 문제에 대해 5번씩 시도했을 때, 이 팀 방식은 평균 9.8점의 성능을 보였습니다. 이는 기존의 Fable 5 모델이 기록한 평균 8.0점보다 높은 수치입니다. 다만, 이 테스트는 10개의 문제에 한정되었으며, 이 수치가 이 기술이 모든 문제에서 더 낫다는 것을 의미하지는 않습니다. 또한, 이 실험은 2025년 봄에 진행되었고, 모델이 학습 과정에서 이 문제들을 미리 봤을 가능성(데이터 오염)이 있습니다.
4. 나에게 어떤 영향이 있나요?
이러한 기술은 앞으로 소프트웨어나 복잡한 자동화 시스템을 만드는 방식에 큰 변화를 줄 수 있습니다. 예를 들어, 아주 복잡한 프로그램을 만들 때 한 명의 개발자가 모든 것을 처리하는 대신, 여러 AI들이 설계, 코딩, 테스트, 오류 수정 등의 역할을 나누어 협력하게 될 수 있습니다. 개발자 입장에서는 하나의 AI 모델에만 의존하는 것이 아니라, 여러 AI를 유기적으로 연결해 가상 팀을 구성하는 방식으로 어려운 과제를 처리할 수 있게 됩니다. 하지만 이 기술이 실제 상용화되기 위해서는 몇 가지 한계가 남아있습니다. 현재는 특정 테스트 환경에서 비슷한 성능을 보인 것이며, 이 방식이 모든 종류의 문제에 일관되게 적용될 수 있는지, 그리고 실제 서비스 환경에서 얼마나 안정적으로 작동할 수 있는지는 더 많은 검증이 필요합니다.