관찰 가능한 세계 설계로 LLM 시스템 신뢰성을 높이는 컴파일러 이론
Affordance-Compiled Intelligence: Observable-Only Cognitive Impedance Matching for No-Meta LLM-Integrated Systems
Patrick Lewis, Ethan Perez, Aleksandara Piktus, Fabio Petroni, Vladimir Karpukhin, Naman Goyal, Heinrich Küttler, Mike Lewis 외
한줄 요약
고정된 LLM 모델의 능력을 세계 측면의 인터페이스, 검증, 복구, 감사 설계를 통해 향상시키는 컴파일러 이론인 인지 임피던스 매칭 이론(CIMT)을 제안한다.
풀어야 하는 문제
LLM 통합 시스템의 신뢰성은 모델 자체의 개선뿐 아니라 주변 세계(인터페이스, 권한, 검증, 복구, 감사) 설계에 크게 의존한다. 그러나 기존 접근은 모델 가중치 개선에 집중하거나, 인간/LLM 평가자를 절대적 기준으로 삼아 체계적 보증이 어렵다. 고정된 모델 정책으로도 세계 설계를 통해 시스템 수준의 능력을 향상시킬 수 있는 이론적 기반이 필요하다.
접근 방법
CIMT는 시스템 능력 증폭을 모델 가중치 개선 문제가 아닌 세계 측 컴파일 문제로 본다. 관찰 가능한 원자료(observable ledger), 타겟-평가 채널, 결정적 리듀서, 유효성 예산 장부, 증거 의존성 그래프, 아티팩트 I/O 매니페스트, 적합성 봉투, 유한 표본/순차 인증서 등을 정의한다. 인간 평가자, LLM 판단자, 벤치마크, 외부 감사자를 특권적 평가자가 아닌 명명된 오류 가능 측정 채널로 모델링한다. 이를 통해 타겟-채널 쌍 개선, 부채 회계, 금지 좌표 제로 인증서, 타겟 방화벽, 범위 시뮬레이션, 동적 확장, 런타임/모델 정책 적합성, 매크로 신뢰성, 복구 축소, 분포 이동 전이, 영수증 충분성 등에 대한 보수적 인증 프레임워크를 제공한다.
결과·기여
코드 편집 에이전트와 RAG 시스템에 대한 작업 예시를 제시하며, 고정된 LLM 모델을 더 신뢰성 있게 만드는 실용적 형식 기반을 제공한다. 기존의 모델 중심 접근과 달리 세계 측면 설계를 체계화하여, 모델 업데이트 없이도 시스템 신뢰성을 향상시킬 수 있는 이론적 토대를 마련했다.