애피어, AI가 ‘한계’를 알고 과업에 맞는 언어로 추론하는 연구 결과 발표

AI 요약

애피어 AI 연구팀은 거대언어모델(LLM)이 정보 부족 상황을 인식하는지와 과업별로 적절한 추론 언어를 선택하는지 분석한 두 편의 논문을 발표해 기업용 에이전틱 AI의 신뢰성과 글로벌 도입을 위한 평가 기준을 제시했습니다. 첫 번째 연구에서는 ‘해당 사항 없음(None of the Above)’ 정답일 때 주요 LLM 28종의 정확도가 30~50% 하락하는 현상을 확인했고, 지도 미세조정(SFT)과 직접 선호 최적화(DPO)를 적용한 결과 DPO로 정답 부재 식별 정확도가 약 30%포인트 향상된 것으로 나타났습니다. 두 번째 다국어 추론 연구에서는 대규모 추론 모델(LRM)이 입력 언어와 상관없이 영어 등 고자원 언어로 내부 추론하는 경향이 있고 일부 모델에서는 내부 추론 언어와 최종 답변 언어 불일치 비율이 90%를 넘었으며, 텍스트 프리필링으로 특정 언어로 추론을 유도할 수 있고 영어는 수학·지식 기반 과업에서, 현지 언어는 문화적 이해 과업에서 더 유리하다고 분석했습니다.