#AlphaEvolve
4개의 포스트
![[특집] 기계가 질문을 만들 때 — 가우스의 소수표에서 AlphaEvolve까지, '추측 기계' 50년사](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fcjm-hero.webp&w=3840&q=75)
[특집] 기계가 질문을 만들 때 — 가우스의 소수표에서 AlphaEvolve까지, '추측 기계' 50년사
3Blue1Brown 영상이 '두 번째 시나리오'로 남겨 둔 질문 — 기계가 좋은 질문까지 던지게 되면? — 은 사실 50년 된 연구 분야다. 레넛의 AM, 벽에 추측을 쓰던 Graffiti, 연분수를 쏟아내는 라마누잔 머신, 사람의 직관을 안내한 딥마인드의 매듭 연구, 프로그램을 진화시키는 FunSearch와 AlphaEvolve까지. 생성·검증·선별이라는 세 역할로 각 시스템의 구조를 해부하고, 브라우저에서 직접 추측 기계를 돌려 본다.
![[특집] 비싼 모델은 어디에 써야 하는가 — 검증기 없는 진화와 다중 모델 오케스트레이션, Squeeze Evolve 완전 해부](/_next/image?url=https%3A%2F%2Ffiles.core.today%2Fstorage%2Fcoredot%2Fpublic%2Fblog%2Fsqe-hero.webp&w=3840&q=75)
[특집] 비싼 모델은 어디에 써야 하는가 — 검증기 없는 진화와 다중 모델 오케스트레이션, Squeeze Evolve 완전 해부
같은 Gemini 3.1 Pro가 한 번 답하면 ARC-AGI-2 공개 평가에서 88.1%다. 같은 모델로 후보 답을 여러 세대에 걸쳐 섞고 고치는 '진화'를 돌리면 93.3%까지 오르지만 과제당 비용이 0.98달러에서 28.85달러로 뛴다. UC 버클리·Together AI 연구진의 Squeeze Evolve(COLM 2026)는 여기서 질문을 바꾼다. 더 쓰는 법이 아니라 덜 쓰고 같은 능력을 얻는 법이다. 답은 '비싼 모델을 가장 효과가 큰 곳에만'이다. 첫 후보는 강한 모델이 만들고, 이후 재조합은 모델이 이미 내놓은 로그 확률로 묶음의 난이도를 재서 쉬운 묶음은 싼 모델이나 다수결에, 어려운 묶음만 비싼 모델에 보낸다. 이 글은 1960년대 풍동 실험의 진화 전략부터 FunSearch·AlphaEvolve·RSA까지 '진화하는 추론'의 계보를 따라가고, 논문의 네 가지 발견(다양성 붕괴, 조상이 결과를 정한다, 약한 모델도 좋은 재료면 잘 합친다, 확신도는 공짜 적합도다)과 알고리즘·시스템 설계·공개 코드를 읽은 뒤, 공개 평가의 함정과 통계적 유의성 같은 반론, 그리고 2026년 추론 경제에서 이 아이디어가 맡을 역할을 인터랙티브 7개와 일러스트·논문 그림, 직접 계산한 원 채우기 결과로 풀어 본다.
LLM은 정말 도약하지 못하는가 — 「LLMs can't jump」를 증거의 법정에 세우다
「LLMs can't jump」는 고립된 비관론이 아니다. 과학철학의 조작적 가추, 기호 접지 문제, '쉬운 문제와 어려운 문제', 그리고 2026년까지 쏟아진 실증 연구가 한 점에서 만난다. 6,749명의 과학자가 평가한 25,139세트의 아이디어, 43명이 100시간씩 실행해 본 결과, cap set과 48회 행렬곱을 찾아낸 FunSearch·AlphaEvolve, 그리고 '신체 없는 가추'라는 정면 반론까지 — 찬성과 반례를 다섯 단계의 저울에 올린다.
스스로 진화하는 AI, 그런데 진화할수록 잊는다: 자기진화 에이전트와 '능력 침식'
오늘날의 AI는 출시되는 순간 박제된다 — 아무리 써도 더 똑똑해지지 않는다. 이 한계를 깨려는 분야가 '자기진화 에이전트'다. 스스로 코드를 고치고, 스킬을 만들고, 기억을 다듬으며 성장한다. 그런데 2026년의 한 논문이 불편한 진실을 밝혔다 — 진화할수록 '예전에 잘하던 것'을 까먹는다(능력 침식). 자기진화의 설계공간(What·When·How·Where), 2022→2025 진화 계보(원문 그림 인용), 네 통로의 망각, 그리고 '성장하되 잊지 않는' 법까지 정리한다.