--- title: "재귀적 자가개선(RSI)의 기술적 분류와 차이점 분석" title_creative: "스스로 좋아지는 AI, 무엇이 좋아지는지 네 층으로 나눠 보기" source: "https://discuss.pytorch.kr/t/rsi/12057" date: 2026-10-01 --- 원문: # 스스로 좋아지는 AI, 무엇이 좋아지는지 네 층으로 나눠 보기 ## 요약 재귀적 자기개선(RSI)은 AI가 자신의 일부를 개선하고, 개선된 버전이 다음 바퀴를 도는 고리를 뜻합니다. 원문은 이 말이 지금 최소 네 가지를 가리킨다고 설명합니다. 물어야 할 것은 스스로 좋아지느냐가 아니라 무엇이 좋아지느냐입니다. 네 층은 다음과 같습니다. 첫째, 모델을 둘러싼 작업 틀(harness)입니다. 모델은 고정하고 프롬프트, 도구, 메모리, 흐름을 고칩니다. 구글의 RRSI(arXiv 2609.24972)가 대표 사례이며, 고정 모델로 Terminal-Bench 2.1이 74.2에서 80.2로 올랐습니다. 선택에 쓰이지 않은 벤치(SWE-bench Verified, GDPval, APEX-Agents, Frontier-Eng)에서도 +2~5점을 보고했습니다. 둘째, 모델 가중치입니다. 모델이 자기 풀이 중 좋은 것을 골라 다시 학습하며, TTRL, R-Zero, Darwin-RSI가 사람이 쓴 풀이 없이 이 방식을 씁니다. 향상이 모델 파일 안에 담겨 배포됩니다. 셋째, 모델을 채점하는 채점기입니다. 채점기가 좋아지면 이를 쓰는 모든 고리가 좋아지지만, 채점기가 속으면 모두 엉뚱한 것을 최적화합니다. 넷째, 모델을 만드는 연구 과정입니다. AlphaEvolve가 대표 사례이며, 가장 야심 차지만 검증이 가장 어렵습니다. 층마다 배포되는 결과물, 실패 방식, 필요한 증거가 다릅니다. 이 분류는 2026년 RSI 논문 약 1,250편을 정리한 서베이(arXiv 2607.07663)의 첫 번째 축에 해당합니다. ## 쉬운 설명 학생이 성적을 올리는 방법에 비유해 보겠습니다. 공부 도구와 노트 정리법을 바꾸는 것이 작업 틀 RSI, 머릿속 지식을 직접 늘리는 것이 모델 자체 RSI, 채점 기준을 더 정확하게 만드는 것이 채점기 RSI, 공부하는 방법 자체를 새로 설계하는 것이 연구 과정 RSI입니다. 중요한 점은 "성적이 올랐다"는 말만으로는 무엇이 좋아졌는지 알 수 없다는 것입니다. 모델 자체 RSI에서는 확인 절차가 약하면 모델이 자기 실수를 정답으로 착각하고 배워서 자신 있게 나빠질 수 있습니다. 원문은 이를 "나쁜 선생" 문제라고 부릅니다. 그래서 어떤 층이 좋아졌는지, 그리고 학습에 쓰지 않은 문제에서도 점수가 오르는지 함께 봐야 합니다. ## 활용 방법 1. "스스로 좋아지는 AI" 기사를 읽을 때 먼저 "작업 틀, 모델 가중치, 채점기, 연구 과정 중 무엇이 좋아졌나"를 물어보세요. 2. 향상 수치를 볼 때 선택에 쓰지 않은 벤치에서도 올랐는지 확인하세요. RRSI는 SWE-bench Verified, GDPval, APEX-Agents, Frontier-Eng에서 +2~5점을 보고했습니다. 3. 평가 잡음 범위 안의 향상은 0으로 취급하고, 짝 통계 검정을 쓴 결과인지 살펴보세요. 4. 개선된 채점기를 만난다면 학습에 쓰지 않은 항목에서 독립 정답과 더 잘 일치하는지 물어보세요. 답할 수 없다면 보상 해킹 위험으로 보세요. 5. 자기 팀의 에이전트를 개선한다면 모델은 고정하고 프롬프트, 도구, 흐름부터 고쳐 보세요. 이길 때만 변경을 남기는 규칙과 과적합을 막는 규제 장치도 함께 두세요. ## 전문가 의견 이 분류의 의의는 "자기개선"이라는 막연한 주장을 검증 가능한 질문으로 바꿔 준다는 데 있습니다. 층마다 증거의 종류가 다르다는 점이 특히 실용적입니다. RRSI의 흥미로운 부분은 고리 자체보다 과적합을 막는 규제 장치이며, 이런 장치가 없는 고리는 잡음이나 누수를 향상으로 보고하게 된다는 지적도 설득력이 있습니다. 한계도 분명합니다. 모델 자체 RSI의 결과는 실재하지만 한 바퀴당 폭은 크지 않다고 원문이 밝힙니다. 채점기 층은 덜 논의되고 덜 측정되며, 연구 과정 층은 독립 재현만이 설득력 있는 증거입니다. 사람 없이 몇 주씩 도는 사후학습 고리가 공개 리더보드 성적으로 보고되기 시작했지만, 아직 검증이 충분하다고 보기는 어렵습니다. 또 이 글은 서베이의 두 축 중 첫 번째 축만 다룹니다. ## Bottom Line 다음에 "스스로 좋아지는 AI" 주장을 만나면, 지금 당장 "무엇이 좋아졌고, 학습에 쓰지 않은 벤치에서도 확인됐나"부터 물어보세요. --- 정리: [다비 davi.kr](https://davi.kr/)