확률만 출력하는 Jev를 저비용 평가기로 증류해 Stockfish 봇의 Lichess 불릿 레이팅을 2200 이상으로 끌어올렸다. Qwen3‑32B와 라벨링을 분담하면 효율도 높아진다.
짧은 소식작성: OossaOossa 게시일: 최종 업데이트: 1 분 읽기
TypeSafe 연구진은 보정된 확률만 반환하는 모델 Jev를 공개했다. Jev의 판단을 Stockfish의 탐색에 적용하고 이를 빠른 평가기로 증류한 결과, 봇은 Lichess에서 불릿 레이팅 2200을 기록했다. 라벨링 예산을 Jev와 대규모 언어 모델 Qwen3‑32B에 나눠 배정하면 Qwen만 사용하는 경우보다 두 모델을 함께 활용한 라벨이 약 9.6 Elo 더 높은 성능을 보였으며, 새로운 오프닝에서도 같은 효과가 나타났다.
체스 개발자는 값비싼 LLM 호출을 줄이면서 더 강한 봇을 만들 수 있어 연산 및 라벨링 비용을 절감할 수 있다.
모델
Claude 기반 에이전트 3개로 구성된 새 검토 시스템이 핵심 주장 오류의 73.43%를 찾아냈다. 기존 최고 기록인 14.81%를 크게 웃도는 수치다.
모델
Mistral의 신규 1조 매개변수 모델은 독립 지수에서 38점을 기록했지만, 경쟁 오픈 모델보다 작업당 비용이 높다.
모델
OpenAI는 AI로 만든 콘텐츠를 실제 언론에 퍼뜨려 허위 보도를 심으려 한 영향력 공작 2건을 공개하고, 관련 계정을 차단했다.
Oossa · 뉴스레터
이번 주 AI, 쉽게 정리
매주 월요일, 알아둘 만한 소식을 쉬운 말로. 무료, 스팸 없음.
