NVIDIA가 연구 워크플로우를 위한 자가 개선 프레임워크를 구성하는 두 가지 새로운 AI 도구인 NemoClaw와 Hermes Agent를 공개했습니다. 회사 측은 이 조합이 모델 개선을 자동화하고 수동 개입을 줄여 연구를 더 빠르고 안전하게 수행하도록 설계되었다고 밝혔습니다.
프레임워크의 기능
이 프레임워크는 AI 모델이 실험 중에 자체 성능을 향상시킬 수 있다는 아이디어를 기반으로 합니다. 연구자가 각 실행 후 수동으로 매개변수를 조정하는 대신, 시스템이 결과를 학습하고 적응합니다. 이를 통해 특히 반복적인 훈련 및 테스트 주기가 필요한 분야에서 가설 도출부터 결론 도출까지의 시간을 단축할 수 있습니다.
NVIDIA는 이 접근 방식을 자가 개선(self-improving)이라고 부르며, 소프트웨어가 새로운 데이터를 기반으로 지속적으로 자체 동작을 업데이트한다고 설명합니다. 또한 회사는 보안을 강조합니다. 모델이 스스로 반복하더라도 연구 데이터는 보호되어야 한다는 것입니다. 효율성도 또 다른 목표로, 프레임워크는 낭비되는 컴퓨팅 사이클을 최소화하는 것을 목표로 합니다.
NemoClaw와 Hermes Agent — 전체를 구성하는 두 부분
NVIDIA는 각 도구에 대한 상세 사양을 공개하지 않았지만, NemoClaw와 Hermes Agent는 함께 작동합니다. NemoClaw는 핵심 처리 및 데이터 처리를 담당하고, Hermes Agent는 반복적인 개선 루프를 관리합니다. 이 둘은 연구자가 기존 프로젝트에 연결할 수 있는 파이프라인을 제공합니다.
이 도구들은 제어나 보안을 희생하지 않으면서 모델 튜닝을 자동화해야 하는 팀을 대상으로 합니다. NVIDIA는 이를 민감한 데이터 세트로 고빈도 실험을 수행하는 연구소를 위한 인프라 계층으로 자리매김했습니다.
연구자들이 주목해야 하는 이유
자가 개선 AI는 새로운 개념이 아니지만, 이를 패키지화된 프레임워크로 제공하면 도입 장벽이 낮아집니다. 심층 강화 학습 전문 지식이 없는 연구소도 자동화된 최적화의 혜택을 누릴 수 있습니다. 보안에 초점을 맞춘 점은 데이터가 통제된 환경을 벗어날 수 없는 의료, 금융, 국방 등 규제 준수가 중요한 분야에서 중요합니다.
효율성도 중요합니다. 대규모 모델을 훈련하는 데는 상당한 전력과 시간이 소모됩니다. 막다른 길에 컴퓨팅 자원을 낭비하지 않는 프레임워크는 비용을 절감하고 출판 주기를 단축할 수 있습니다.
부족한 점
NVIDIA는 NemoClaw 또는 Hermes Agent에 대한 기술 문서를 아직 공개하지 않았습니다. 따라서 연구자들은 자가 개선 메커니즘이 어떻게 작동하는지, 어떤 보안 프로토콜이 내장되어 있는지, 또는 도구 설정에 얼마나 많은 작업이 필요한지 평가할 수 없습니다. 회사는 출시일, 가격, 라이선스 모델도 발표하지 않았습니다. 이러한 세부 사항이 나올 때까지 이 프레임워크는 사용 가능한 제품이 아닌 흥미로운 발표로 남아 있습니다.
