이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.
TL;DR
BDH-CQ는 새로운 작업의 시연 사례를 recurrent memory에 반영한 뒤, 고차원 latent workspace에서 질의를 반복 계산으로 해결하는 reasoning system이다. 추론 중간 상태를 언어로 출력하지 않으며, 추론 중 입력은 메모리를 갱신하지만 모델 파라미터는 바꾸지 않는다. 150M-parameter 구성은 ARC-AGI-1에서 pass@2 29.5%와 작업당 계산 비용 0.00070달러를 기록해 기존 cost–accuracy Pareto frontier를 넘어섰다고 보고됐다.
섹션별 상세
BDH-CQ는 새로운 작업의 시연 사례가 들어오면 recurrent memory를 갱신하고, 이후 질의를 고차원 latent workspace에서 반복 계산으로 처리한다. 추론 중간 상태를 언어로 디코딩하지 않기 때문에 reasoning 과정 전체가 텍스트 출력이 아니라 내부 표현의 연산으로 유지된다. 입력은 추론 시점에도 메모리를 계속 바꾸지만, task identifier나 평가용 시연 쌍은 학습에 쓰이지 않고 추론 중 파라미터도 갱신하지 않는다.
150M-parameter 구성은 ARC-AGI-1에서 pass@2 29.5%를 기록했고, 작업 하나를 계산하는 비용은 0.00070달러로 제시됐다. 이 수치는 메모리 갱신과 반복적 latent 계산을 결합한 방식이 모델 규모와 작업당 비용을 함께 고려하는 평가에서 기존에 보고된 cost–accuracy Pareto frontier를 넘어섰다는 근거로 사용됐다. 따라서 BDH-CQ의 핵심 성과는 언어 기반 중간 추론을 출력하지 않으면서도 작업별 적응과 질의 해결을 하나의 계산 구조 안에 결합한 데 있다.
용어 해설
- 순환 메모리(Recurrent Memory)
- — 입력 정보를 반복적으로 갱신해 다음 계산에 전달하는 내부 상태다. BDH-CQ는 추론 시 입력과 새로운 작업의 시연 사례를 이 메모리에 반영하고, 갱신된 상태를 후속 질의 해결에 활용한다.
- 잠재 작업 공간(Latent Workspace)
- — 언어 토큰으로 직접 출력하지 않고 고차원 내부 표현에서 계산을 수행하는 공간이다. BDH-CQ는 질의 해결 과정의 중간 상태를 문장으로 변환하지 않은 채 반복 계산을 이어 간다.
- pass@2
- — 생성 결과를 두 번 시도했을 때 정답을 한 번 이상 얻은 비율을 나타내는 평가 지표다. 제시된 결과에서 BDH-CQ의 ARC-AGI-1 성능은 pass@2 기준 29.5%였다.
- 파레토 프론티어(Pareto Frontier)
- — 비용과 정확도처럼 서로 상충할 수 있는 두 지표에서 다른 방법에 동시에 뒤처지지 않는 성능 경계다. BDH-CQ는 작업당 계산 비용 0.00070달러와 정확도의 조합으로 기존에 보고된 경계를 넘어섰다고 기술됐다.
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 08. 15.수집 2026. 08. 15.출처 타입 REDDIT
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
