어댑션, AI 모델 자동 미세조정 도구 '오토사이언티스트' 공개… 30일 무료

어댑션(Adaption)이 수요일 새 자동 미세조정 도구 '오토사이언티스트(AutoScientist)'를 공개했다. 모델이 특정 역량을 빠르게 학습하도록 돕는 자동화된 접근으로, 기존 미세조정 절차를 자동화한 도구라는 설명이다.

회사 공동창업자 겸 CEO 사라 후커(Sara Hooker)는 테크크런치에 "데이터와 모델을 동시에 공동 최적화(co-optimize)하고, 어떤 역량이든 가장 잘 학습할 방법을 스스로 찾아낸다는 점이 흥미롭다"며 "드디어 거대 연구소 바깥에서도 프론티어급 AI 학습이 성공적으로 이뤄질 수 있음을 시사한다"고 말했다. 후커는 이전 코히어(Cohere)에서 AI 리서치 부사장(VP)을 역임했다.

오토사이언티스트는 어댑션의 기존 제품 '어댑티브 데이터(Adaptive Data)' 위에 쌓아 올린 도구다. 어댑티브 데이터는 시간이 흐를수록 고품질 데이터셋을 더 쉽게 구축할 수 있도록 돕는 제품이며, 오토사이언티스트는 그렇게 지속 개선되는 데이터셋을 지속 개선되는 모델로 변환하는 역할을 맡는다.

후커는 "우리의 관점은 스택 전체가 완전히 적응 가능해야 하고, 어떤 과제든 실시간으로 최적화돼야 한다는 것"이라고 비전을 밝혔다. 이 접근법은 광범위한 분야에 적용 가능하지만, 어댑션 팀은 프론티어급 AI 모델 학습·미세조정 과정을 빠르고 쉽게 만드는 가능성에 특히 주력하고 있다.

회사는 출시 자료에서 오토사이언티스트가 "여러 모델에 걸쳐 승률(win-rates)을 2배 이상 끌어올렸다"고 주장했다. 다만 시스템 자체가 특정 과제에 모델을 적응시키도록 설계됐기 때문에 SWE-Bench나 ARC-AGI 같은 통상적 벤치마크는 적용되지 않아, 외부에서 객관적으로 비교하기 어렵다는 한계도 함께 제기된다.

그럼에도 어댑션은 사용자가 직접 써보면 차이를 느낄 것이라며, 출시 후 첫 30일 동안 도구를 무료로 제공하기로 했다.

후커는 "코드 생성이 많은 과제를 풀어준 것처럼, 이 도구도 여러 분야의 프론티어에서 다양한 혁신을 풀어줄 것"이라고 강조했다.