의사결정 모델(Decision model)

의사결정 모델은 상황과 질문 목록을 읽고, 텍스트를 쓰는 대신 허용된 각 답변에 대한 확률을 반환합니다.

  • 모델과 아키텍처
  • 업데이트

채팅 모델은 문장을 생성하고 해석은 당신에게 맡깁니다. 의사결정 모델은 에이전트가 선택해야 하는 단계를 위해 만들어졌습니다. 상황과 유형이 지정된 질문을 보내면 됩니다. 예컨대 참/거짓 판단, 여러 팀 중 하나 고르기, 심각도를 1에서 4까지 평가하기 같은 것입니다. 모델은 한 번의 추론으로 허용된 모든 선택지를 채점하고, 결과는 코드가 임계값을 적용하거나 라우팅하거나 사람에게 넘길 수 있는 확률 집합입니다. Qwen에서 포스트 트레이닝된 Cloudflare의 Clef가 공개된 사례이며, 그 요청 형식은 Typesafe AI의 Jev와 호환됩니다. 다른 사례로는 Liquid AI의 d1, AutoTrust의 Decider 모델, Perplexity의 pplx-decider, 105B 모델 위에 구축된 Sarvam의 Prism, 오디오도 받는 Abacus.AI의 Smaug-Decisions, Hindsight의 hs-decide-1-flash, 그리고 음성 오디오에서 발화 순서, 끼어들기, 톤을 바로 판단하는 Adventists AI의 DuplexJev가 있습니다.

텍스트를 생성하지 않기 때문에 이런 모델은 빠르고 일관될 수 있고, 재학습 없이 라벨을 바꿀 수 있습니다. 다만 자신을 설명하거나 행동할 수는 없고, 추론이 매우 무거운 질문은 더 큰 채팅 모델이 더 어울릴 수 있습니다. 확률은 자신의 라벨링된 예시로 검증할 점수로 다루세요. 보정 정도는 제각각이고, 벤더의 벤치마크 표는 벤더 자신의 실행에서 나온 것이기 때문입니다.

관련 용어

  • AI 에이전트 AI 에이전트는 모델이 도구를 호출하며 다단계 작업을 계획하고 수행하는 시스템입니다. 코드 실행, 웹 검색, 파일 편집 등이 그 예입니다.
  • 도구 호출(Function calling) 도구 호출을 사용하면 모델이 프로그램에 검색이나 계산기 같은 함수 실행을 요청하고, 그 결과를 답변에 활용할 수 있습니다.
  • 멀티모달 모델 멀티모달 모델은 텍스트, 이미지, 오디오, 비디오처럼 한 가지 이상의 데이터 유형을 입력, 출력 또는 그 둘 모두로 처리할 수 있습니다.
  • 파인튜닝(Fine-tuning) 파인튜닝은 사전 학습된 모델의 학습을 자신의 예제로 이어서, 특정 작업·스타일·도메인에서 더 잘 동작하도록 만드는 것입니다.

전체 용어