학술 연구팀, SFT로 기술 대기업들의 독점 체제 종식… OpenSeeker-v2, 검색 에이전트 순위 1위 차지
대규모 언어 모델(LLM)의 끊임없이 진화하는 환경 속에서, 심층 검색 기능은 첨단 지능형 에이전트의 결정적인 경쟁 우위로 자리 잡았습니다. 그러나 이 분야는 오랫동안 막대한 자금을 보유한 업계 거대 기업들이 주도해 왔습니다. 기존의 개발 방식은 일반적으로 사전 훈련, 지속적 사전 훈련(CPT), 지도형 미세 조정(SFT), 강화 학습(RL)을 아우르는 자원 집약적인 파이프라인에 의존해 왔다.
최근 한 학술 연구팀이 ‘OpenSeeker-v2’라는 최신 연구 결과를 발표하며, 이러한 기존 관점에 근본적인 도전을 제기했다. 연구 보고서에 따르면, 고품질이면서 난이도가 높은 과제 궤적(task trajectories)을 활용한 훈련을 통해, 단순한 지도형 미세 조정(SFT) 접근법만으로도 최상위 수준의 검색 에이전트를 생성할 수 있다고 한다.

이 팀은 데이터 합성을 위한 세 가지 핵심 최적화 전략을 제시했다. 첫째, 지식 그래프를 확장하여 더 광범위한 탐색 공간을 창출하는 것, 둘째, 도구 키트의 범위를 대폭 확대하여 기능적 한계를 뛰어넘는 것, 그리고 마지막으로 훈련 데이터의 품질과 효율성을 보장하기 위해 엄격한 저단계 필터링을 적용하는 것이다.
실험 결과에 따르면, 단 10,600개의 데이터 포인트로 훈련된 OpenSeeker-v2 (30B 매개변수, ReAct 아키텍처)는 네 가지 핵심 벤치마크에서 압도적인 성능을 보여주었습니다. BrowseComp에서 46.0%, BrowseComp-ZH에서 58.1%, "Humanity’s Last Exam"에서 34.6%, xbench에서 78.0%를 기록했습니다. 이러한 수치는 새로운 기록을 세웠을 뿐만 아니라, Tongyi DeepResearch와 같이 CPT, SFT, RL을 결합한 복잡한 파이프라인에 의존하는 업계 모델들을 전반적으로 능가했습니다.

특히 주목할 점은, 동일한 모델 규모와 아키텍처를 유지한 채 SFT만을 사용하여 순수 학술 연구팀이 개발한 최초의 최첨단(SOTA) 검색 에이전트라는 사실입니다. 연구팀은 현재 OpenSeeker-v2의 모델 가중치를 오픈소스로 공개했습니다. 이 획기적인 성과는 첨단 검색 에이전트 개발에 대한 연구 개발 장벽을 크게 낮추며, 학계와 오픈소스 커뮤니티 모두에게 더 접근하기 쉽고 가벼운 개발 경로를 제공합니다.
논문: https://arxiv.org/pdf/2605.04036
관련 기사
미국의 주식 시장이 AI와 항공우주 거대 기업들의 1조 달러 데뷔를 앞두고 역사적 이정표에 도달
엘론 머스크, 샘 알트만, 그리고 다리오 아모데이라는 기술 산업의 거인 세 명이 각자의 기업에 대해 공개 시장 상장(IPO)을 앞두고 있다. 스페이스X, 오픈AI, 앤트로픽이라는 세 산업의 거대 기업이 1조 달러 이상의 기업 가치를 달성하며 상장을 준비함에 따라, 2026년은 미국 역사상 신주 발행 측면에서 가장 중요한 해가 될 것으로 전망된다.이러한 역사적인 자본 증가는 전 세계 금융계의 주목을 받고 있으며, 공공 시장이 이러한 규모의 자금
스웨덴의 AI 스타트업 로버블 아이즈, 주요 자금 조달 라운드 이후 132억 달러의 기업 가치 달성
AI 기반 코딩 도구가 인기를 얻으면서 스웨덴 스타트업 로버블(Lovable)이 주요 자금 조달 라운드를 성사시켰다. 이 회사는 30억 달러를 조달하여 지난 12월 기록된 66억 달러의 두 배인 132억 달러의 기업 가치를 달성할 수 있을 것으로 기대된다. 멘로 벤처스(Menlo Ventures)가 이 투자 라운드를 주도할 것으로 예상된다.로버블의 매력은 복잡한 코딩 기술이 필요하지 않은 소프트웨어 제작을 단순화하는 핵심 '바이브 코딩(vib
구글, 사용자 제어 강화에 맞춰 제미니용 레미 AI 에이전트 테스트
비즈니스 인사이더에 따르면, 구글은 제미나이를 위한 새로운 AI 개인 에이전트인 레미를 테스트하고 있습니다. 이 도구는 사용자를 대신하여 작업을 실행하여 전문적인 워크플로우와 일상적인 루틴을 모두 간소화하는 것을 목표로 합니다.현재 레미는 제미나이 애플리케이션의 내부 직원 전용 버전에서 테스트 중입니다. 이 보고서는 내부 문서와 프로젝트에 정통한 두 명의 인물과의 인터뷰를 인용합니다. 내부 자료는 레미를 “24/7 개인 에이전트”로 묘사하며,
관련 특별 주제 추천
의견 (0)
0/500
대규모 언어 모델(LLM)의 끊임없이 진화하는 환경 속에서, 심층 검색 기능은 첨단 지능형 에이전트의 결정적인 경쟁 우위로 자리 잡았습니다. 그러나 이 분야는 오랫동안 막대한 자금을 보유한 업계 거대 기업들이 주도해 왔습니다. 기존의 개발 방식은 일반적으로 사전 훈련, 지속적 사전 훈련(CPT), 지도형 미세 조정(SFT), 강화 학습(RL)을 아우르는 자원 집약적인 파이프라인에 의존해 왔다.
최근 한 학술 연구팀이 ‘OpenSeeker-v2’라는 최신 연구 결과를 발표하며, 이러한 기존 관점에 근본적인 도전을 제기했다. 연구 보고서에 따르면, 고품질이면서 난이도가 높은 과제 궤적(task trajectories)을 활용한 훈련을 통해, 단순한 지도형 미세 조정(SFT) 접근법만으로도 최상위 수준의 검색 에이전트를 생성할 수 있다고 한다.

이 팀은 데이터 합성을 위한 세 가지 핵심 최적화 전략을 제시했다. 첫째, 지식 그래프를 확장하여 더 광범위한 탐색 공간을 창출하는 것, 둘째, 도구 키트의 범위를 대폭 확대하여 기능적 한계를 뛰어넘는 것, 그리고 마지막으로 훈련 데이터의 품질과 효율성을 보장하기 위해 엄격한 저단계 필터링을 적용하는 것이다.
실험 결과에 따르면, 단 10,600개의 데이터 포인트로 훈련된 OpenSeeker-v2 (30B 매개변수, ReAct 아키텍처)는 네 가지 핵심 벤치마크에서 압도적인 성능을 보여주었습니다. BrowseComp에서 46.0%, BrowseComp-ZH에서 58.1%, "Humanity’s Last Exam"에서 34.6%, xbench에서 78.0%를 기록했습니다. 이러한 수치는 새로운 기록을 세웠을 뿐만 아니라, Tongyi DeepResearch와 같이 CPT, SFT, RL을 결합한 복잡한 파이프라인에 의존하는 업계 모델들을 전반적으로 능가했습니다.

특히 주목할 점은, 동일한 모델 규모와 아키텍처를 유지한 채 SFT만을 사용하여 순수 학술 연구팀이 개발한 최초의 최첨단(SOTA) 검색 에이전트라는 사실입니다. 연구팀은 현재 OpenSeeker-v2의 모델 가중치를 오픈소스로 공개했습니다. 이 획기적인 성과는 첨단 검색 에이전트 개발에 대한 연구 개발 장벽을 크게 낮추며, 학계와 오픈소스 커뮤니티 모두에게 더 접근하기 쉽고 가벼운 개발 경로를 제공합니다.
논문: https://arxiv.org/pdf/2605.04036
미국의 주식 시장이 AI와 항공우주 거대 기업들의 1조 달러 데뷔를 앞두고 역사적 이정표에 도달
엘론 머스크, 샘 알트만, 그리고 다리오 아모데이라는 기술 산업의 거인 세 명이 각자의 기업에 대해 공개 시장 상장(IPO)을 앞두고 있다. 스페이스X, 오픈AI, 앤트로픽이라는 세 산업의 거대 기업이 1조 달러 이상의 기업 가치를 달성하며 상장을 준비함에 따라, 2026년은 미국 역사상 신주 발행 측면에서 가장 중요한 해가 될 것으로 전망된다.이러한 역사적인 자본 증가는 전 세계 금융계의 주목을 받고 있으며, 공공 시장이 이러한 규모의 자금
스웨덴의 AI 스타트업 로버블 아이즈, 주요 자금 조달 라운드 이후 132억 달러의 기업 가치 달성
AI 기반 코딩 도구가 인기를 얻으면서 스웨덴 스타트업 로버블(Lovable)이 주요 자금 조달 라운드를 성사시켰다. 이 회사는 30억 달러를 조달하여 지난 12월 기록된 66억 달러의 두 배인 132억 달러의 기업 가치를 달성할 수 있을 것으로 기대된다. 멘로 벤처스(Menlo Ventures)가 이 투자 라운드를 주도할 것으로 예상된다.로버블의 매력은 복잡한 코딩 기술이 필요하지 않은 소프트웨어 제작을 단순화하는 핵심 '바이브 코딩(vib





집






