Google DeepMind는 정신과적 섭취를 강화하기 위해 시뮬레이션된 환자에 대해 Gemini 3.1 Flash-Lite를 교육합니다.
제목 연관성·주요 수치·시장 영향·향후 전망을 기준으로 핵심 문장을 선별한 요약 브리핑입니다.
핵심 포인트
- Google DeepMind의 RL 훈련된 Gemini 3.1 Flash-Lite 컷은 정신과 접수 테스트에서 급성 위험 증가를 30.5%에서 12.9%로 놓쳤습니다.
- 새로운 사전 인쇄본에 따르면 강화 학습 컷은 적대적 안전 테스트에서 급성 위험 상승을 30.5%에서 12.9%로 놓쳤다고 Google DeepMind 연구원은 정신과 레지던트와 같은 과정을 통해 작은 Gemini 모델을 적용했습니다.
- 2026년 10월 29일에 출판된 사전 인쇄에서 그들은 시뮬레이션된 환자에 대해 Gemini 3.1 Flash-Lite를 훈련함으로써 정신과 초기 인터뷰를 수행하는 방법이 의미 있게 향상되었다고 보고했습니다.
본문
Google DeepMind의 RL 훈련된 Gemini 3.1 Flash-Lite 컷은 정신과 접수 테스트에서 급성 위험 증가를 30.5%에서 12.9%로 놓쳤습니다. 새로운 사전 인쇄본에 따르면 강화 학습 컷은 적대적 안전 테스트에서 급성 위험 상승을 30.5%에서 12.9%로 놓쳤다고 Google DeepMind 연구원은 정신과 레지던트와 같은 과정을 통해 작은 Gemini 모델을 적용했습니다. 2026년 10월 29일에 출판된 사전 인쇄에서 그들은 시뮬레이션된 환자에 대해 Gemini 3.1 Flash-Lite를 훈련함으로써 정신과 초기 인터뷰를 수행하는 방법이 의미 있게 향상되었다고 보고했습니다. 적대적 테스트에서 모델이 확대하지 못한 심각한 안전 위험의 비율은 30.5%에서 12.9%로 감소했습니다.
"정신과적 치료를 위한 시뮬레이션에서 언어 모델 훈련"(arXiv:2610.40476)이라는 제목의 이 논문은 Gemini 3.1 Flash-Lite에 다중 회전 강화 학습을 적용합니다. 127개의 정신과 의사가 검증한 시나리오에서 훈련된 에이전트의 임상 루브릭 점수는 0.379에서 0.706으로 상승했습니다. 훈련 후에는 12.9%로 떨어졌고, 다시 p-값이 0.0001 미만이 되었습니다. Flash-Lite는 Gemini 라인업 중 더 작고 저렴한 제품입니다. 이는 사전 인쇄이므로 연구 결과가 아직 공식적인 동료 검토를 완료하지 않았으며 모든 테스트는 실제 환자가 아닌 시뮬레이션 및 검사 환경에서 이루어졌습니다. 적대적인 시나리오에서 분류가 12.9%로 감소한 것은 강력한 연구 결과이지만 결과적 치료를 배포하려면 사람의 감독과 훨씬 더 많은 검증이 필요할 것입니다.
정신과 평가의 AI 발전은 진단 정확성과 안전성을 향상시킬 수 있지만 실제 적용에는 추가 검증이 필요합니다. Google DeepMind가 정신과적 섭취를 강화하기 위해 시뮬레이션된 환자에게 Gemini 3.1 Flash-Lite를 교육한 게시물이 Crypto Briefing에 처음 등장했습니다.