자가 스캐폴딩

자가 스캐폴딩은 AI 모델이 문제를 풀기 전에 필요한 발판을 스스로 세우고 그 위에서 문제를 푸는 방식이다. 공사장 인부가 건물을 짓기 전에 발판부터 조립하듯, 모델도 어떤 도구를 어떤 순서로 써야 문제가 풀리는지 스스로 정한 뒤 작업에 들어간다. 예전에는 사람이 미리 매뉴얼과 채점 기준을 짜서 모델에게 쥐여줬다면, 이 방식에서는 모델이 그 매뉴얼 자체를 알아서 만든다.

한 발 더 나아가면, 모델이 발판만 짜는 게 아니라 풀어볼 문제 자체도 스스로 만들고 그 풀이 과정까지 생성해 다음 학습 재료로 쓰는 순환 구조가 된다. 자신의 실력 중 약한 부분을 찾아 그에 맞는 연습문제를 계속 만들어내는 셈이다. 사람이 일일이 문제집을 손으로 짜야 하는 부담이 줄어드는 대신, 모델이 스스로를 얼마나 정확히 평가하고 개선하는지가 성능을 좌우하게 된다.

이 개념이 주목받는 이유는 사람 손이 덜 들어가는 자기개선 루프를 가능하게 하기 때문이다. 사람이 미리 만든 문제집과 채점 도구에 의존하는 기존 학습 방식보다, 모델이 스스로 빈틈을 찾아 메우는 쪽이 더 빠르고 광범위하게 실력을 늘릴 수 있다는 기대가 깔려 있다.

기사에서는 "모델이 문제를 풀 때 필요한 도구와 절차, 즉 발판(scaffold)을 스스로 짜서 그 위에서 문제를 푸는 방식"이라고 설명한다. 오니스(Ornith) 개발팀이 전작 Ornith-1.0에서 처음 선보인 개념이며, 후속작 Ornith-1.5는 여기서 더 나아가 풀 과제 자체와 채점 기준까지 모델이 스스로 만드는 순환 구조로 발전했다. 자가 스캐폴딩은 특정 모델 이름이 아니라 학습·추론 방식을 가리키는 개념이라는 점을 헷갈리지 않아야 한다.