MS, 사후 훈련 없는 자율 적응형 추론 시스템 'CLIO' 공개

신약이나 신소재 개발 같은 첨단 과학 분야에 AI를 투입할 때 가장 큰 문제는, 최신 추론 모델들이 사후 학습 단계에서 정해진 패턴대로만 움직여 연구자가 중간에 개입하기 어렵다는 점입니다.

마이크로소프트 리서치가 사후 강화학습 없이도 일반 완성형 모델을 조향 가능한 가상 과학자로 탈바꿈시키는 새로운 추론 프레임워크 CLIO를 공개했습니다.

초고난도 벤치마크인 Humanity's Last Exam(HLE)의 생물학 및 의학 테스트에서, 기본 GPT-4.1의 정답률을 기존 8.55%에서 22.37%로 끌어올리며 OpenAI의 o3(high) 성능을 앞질렀습니다.

사후 학습 대신 런타임 인시추 최적화로 추론

기존 추론 모델은 RLHF나 외부 검증 기반 강화학습을 통해 모델 개발 단계에서 사고 패턴을 고정합니다. 이 방식은 사용자가 추론 과정을 통제할 수 없고, 아직 밝혀지지 않은 과학적 발견을 위한 훈련 데이터도 부족합니다.

CLIO는 런타임에 모델 내부에서 자기 성찰 루프를 만드는 방식을 취합니다. 모델이 가설을 세우고, 메모리를 관리하며, 스스로 행동을 제어해 필요한 데이터를 실시간으로 생성합니다.

기본 GPT-4.1에 CLIO의 인지 루프만 적용해도 정답률이 5.92% 올랐고, 여러 추론 경로를 GraphRAG로 묶어 최적의 전략을 선택하게 만들자 추가로 7.90%가 더 향상되었습니다.

HLE에서 기본 정답률이 2% 미만에 불과했던 GPT-4o 역시 면역학 관련 문제에서 13.60% 개선되며 최고 수준 추론 모델과 대등한 성과를 냈습니다.

불확실성을 표시하고 인간이 개입하는 제어 다이얼

과학 연구에서 틀린 답을 확신에 찬 어조로 내놓는 AI는 치명적입니다. 기존 모델들은 맞든 틀리든 지나치게 확신을 갖는 경향이 있습니다.

CLIO는 프롬프트 없이도 불확실성 임계값을 조절할 수 있는 제어 노브를 갖추고 있습니다. 모델 스스로 불확실한 지점을 감지해 사용자에게 깃발을 들어 알릴 수 있습니다.

연구자는 모델의 추론 경로를 들여다보고 중간 전제를 수정하거나 비판을 입력한 뒤, 원하는 시점부터 다시 추론을 실행시킬 수 있습니다.

마이크로소프트는 CLIO가 특정 모델에 구애받지 않는 오픈 아키텍처라며, 최근 발표한 Microsoft Discovery 플랫폼의 핵심 판단 제어 레이어로 활용할 계획입니다.

왜 중요한가

과학 및 전문 연구 조직 입장에서 CLIO는 고가의 전용 추론 모델을 무작정 기다릴 필요 없이, 기존 기본 모델을 정밀하게 제어할 수 있는 길을 열어줍니다. 블랙박스 안에서 무슨 일이 일어나는지 모른 채 결과만 받아보던 방식에서 벗어날 수 있습니다.

우리는 마이크로소프트가 모델의 겸손함과 조향 가능성에 집중한 점을 높게 평가합니다. 신약이나 소재 연구에서는 100% 확신하는 그럴듯한 오답보다, 어디서 막혔는지를 정직하게 털어놓고 연구자의 개입을 받는 AI가 훨씬 유용하기 때문입니다.

다만 런타임에 끊임없이 성찰 루프를 돌리고 GraphRAG 앙상블을 거치는 구조상, 응답 지연 시간과 토큰 소모 비용이 만만치 않을 것으로 보입니다. 하지만 신뢰성과 검증 가능성이 성패를 가르는 고위험 연구 분야라면, 이 정도의 연산 비용은 충분히 감수할 만한 가치가 있습니다.