TL;DR
작성자는 X가 공개한 랭킹 코드와 출력 스키마를 바탕으로 Claude를 사용해 누락된 심사 계층을 에뮬레이트하고 이후 Qwen 3.5 4B 기반의 로컬 그레이더인 XViral을 구축해 게시물의 바이럴 가능성을 사전 채점할 수 있음을 보였다. 구현은 출력 스키마를 기준으로 Claude로 중간 출력을 생성하고 이를 로컬 시뮬레이터에 입력해 최종 점수를 계산하는 프롬프트 루프 형태로 작동했으며 실제 X API와 대조해 약 90%의 일치율을 보고했다. 소스 코드 분석 결과 slop_score 같은 멀티모달 중간 지표와 신고·뮤트 같은 음수 피드백의 가중치가 매우 크게 설정되어 있어 소수의 부정적 신호가 노출을 급격히 억제한다고 명시했다. 또한 영상은 길이 임계치가 있어 짧은 영상이 자동으로 높은 참여도를 받는다는 통념은 생략된 규칙 구조 때문에 성립하지 않으며 관련 코드와 시뮬레이션은 깃허브에 오픈라이선스로 공개되어 있다.
섹션별 상세
용어 해설
- Vision-Language Judge
- — 이미지와 텍스트를 결합해 게시물의 시각적·문맥적 품질을 판정하는 평가 계층으로, 입력 이미지와 텍스트를 임베딩한 뒤 규정된 출력 스키마에 맞춰 quality_score와 slop_score 같은 정량적 지표를 산출한다. 이 계층은 텍스트만으로 판단하기 어려운 멀티모달 요소를 수치화해 하류 랭킹 점수에 반영하므로 게시물 바이럴 가능성 판단에 직접적인 영향을 준다.
- Output Schema
- — 모델 또는 심사 계층이 반환해야 할 필드와 자료형을 정의한 구조화된 템플릿으로, 원문에서는 Grok 심사기의 프롬프트 본문은 공개되지 않았지만 출력 스키마가 남아 있어 이를 기준으로 에뮬레이션이 가능했다는 점이 핵심이다. 출력 스키마는 에뮬레이션 정확도와 자동 검증 로직 구현에 필수적이다.
- Prompt Loop Emulation
- — 실제 서비스에서 사용하는 일련의 프롬프트 호출과 응답 흐름을 로컬 LLM이나 CLI로 반복 재현해 중간 출력과 최종 판정을 동일한 순서로 얻는 방법으로, 원문에서는 Claude와 로컬 모델을 이용해 Grok 심사 계층의 입출력 루프를 모사해 핵심 메트릭을 재현했다. 이 방식은 공개되지 않은 프롬프트 본문을 대체할 수단으로 활용된다.
언급된 리소스
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.