AI 툴 기업인 Adaption은 5월 13일 모델 훈련 및 정렬을 위한 자동화된 연구 루프 시스템인 AutoScientist를 출시했으며, 이번 주에 유명 AI 연구자인 사라 후커가 해당 내용을 공유하면서 큰 주목을 받았습니다. 이 시스템은 데이터 구성법과 모델 훈련 설정을 함께 최적화함으로써 모델의 동작이 사용자가 지정한 목표에 도달할 때까지 자동으로 반복 처리합니다. 개발자는 수동으로 매개변수를 조정하거나 ‘초매개변수 탐색’에 매달릴 필요가 없으며, 기술적 배경이 없는 제작자들도 프롬프트 엔지니어링에만 의존하지 않고 직접 모델을 훈련하고 조정할 수 있게 되었습니다. 공식 테스트 결과에 따르면, 샘플 수 5,000~10만 개, 다양한 모델 아키텍처 및 8개 산업 분야 전반에서 AutoScientist는 Adaption 내부 AI 연구원들이 수동으로 설정한 방안보다 평균 35% 더 우수한 성능을 보였습니다. 승률 역시 수동 설정 시 48%였던 것에 비해 AutoScientist에서는 64%로 상승했으며, 8개 분야 모두에서 안정적인 향상을 달성해 특정 분야에 과적합되는 현상도 나타나지 않았습니다. 지원되는 모델 아키텍처는 Together AI에서 호스팅하는 모든 미세조정 가능 모델을 포함합니다.
Adaption은 AutoScientist를 Adaptive Data(데이터 계층) 이후의 모델 계층으로 정의하며, 두 시스템이 결합되어 데이터 준비부터 모델 적응까지의 엔드투엔드 순환 체계를 형성합니다. 회사 측은 현재 사라 후커의 트윗에서 언급된 대로 동아프리카 지역 사용자를 대상으로 참여 장벽을 낮추기 위해 30일간 무료 컴퓨팅 리소스를 제공하고 있으며, 신청 방법은 공식 블로그에서 확인할 수 있습니다. AutoScientist의 기술적 특징은 기존 주류 AutoML 툴과 달리 자기 개선 메커니즘을 도입했다는 점입니다. 즉, 고정된 탐색 전략에 의존하는 대신 과거 실행 기록을 바탕으로 스스로 설정 능력을 지속적으로 향상시키는 구조입니다.