veneta

백서 · v1.18

로컬 LLM이 월드모델로 진화하기 위한 첫 번째 조건

VENETA WorldModel의 기억·자가발전 계층에 대한 고찰

로컬 LLM이 월드모델로 진화하기 위한 첫 번째 조건은 더 큰 모델이 아니라, 모델 앞뒤에 두는 기억·자가발전 계층입니다. 기업이 자기 네트워크 안에서 돌리는 언어 모델은 왜 기대만큼 답하지 못하는가, 그리고 모델을 바꾸지 않고 그 둘레에 계층을 두면 무엇이 달라지는가. 오픈 모델 12종(12B~약 400B MoE)과 작은 모델 11종을 한 네트워크 안에서 측정한 결과입니다.

VENETA 백서 '로컬 LLM이 월드모델로 진화하기 위한 첫 번째 조건' 표지

담긴 내용

모든 숫자는 측정한 것입니다.

1

다섯 가지 한계

로컬 LLM이 혼자서는 못 하는 것: 지금 상태를 알기, 기억하기, 지어내지 않기, 스스로 검사하기, 통제 아래 배우기. 더 큰 모델이 답이 아닌 이유.

2

계층

운영 질문 하나가 답해지는 여섯 단계, 네 종류의 통제된 기억, 코드로 된 검사가 비평 모델을 구속하는 방식.

3

측정한 것

데스크톱 크기 기기 한두 대에서 오픈 모델 12종: 기억 계층을 켜고 끈 결과, 판단 계층 전과 후, 배운 규칙의 적용, 오픈소스 메모리 계층과의 비교.

4

산업별 적용

텔코, 에너지, 반도체, 리테일, 제조, 국방: 질문, 모델 혼자서는 틀리는 것, 계층이 바꾸는 것. 그리고 고객 챗봇과 내부 AI 업무시스템.

5

보안과 거버넌스

공격면으로서의 기억에 대한 일곱 프로브: 저장 시 주입, 비밀, 사용자별 격리, 삭제 증명, 위·변조 탐지, 거절된 교훈, 텔레메트리 기본값.

7

주장하지 않는 것

합성 데이터, 에디션 하나, 작은 실험, 실제 지연 비용, 승인해야 하는 사람. 동료 심사 전에 한계를 먼저 적었습니다.

다운로드

백서 받기

PDF, 한국어판입니다. 영문판은 veneta.ai에 있습니다. 입력하신 정보는 (주)베네타코리아가 백서 제공과 문의 응대에만 쓰고, 호스팅 사업자의 인프라에 보관하며, 판매하거나 제3자에게 제공하지 않습니다. 개인정보처리방침을 참고하십시오.

VENETA WorldModel

이 백서의 계층을, 이미 운영 중인 모델 위에.

VENETA WorldModel의 기억·자가발전 계층을 기업이 이미 돌리는 LLM·에이전트·챗봇 앞에 OpenAI 호환 인터페이스로 놓습니다. 승인 콘솔, 원장, 역할과 이중 통제, 되돌리기가 기본값이고, 그 위에 멀티테넌트, 역할 기반 접근 제어(RBAC), SSO 같은 엔터프라이즈 기능이 들어갑니다.