벽돌깨기 517.4점…GPT-6 작성 신경망, 5억 단계 모델보다 20배
제목 연관성·주요 수치·시장 영향·향후 전망을 기준으로 핵심 문장을 선별한 요약 브리핑입니다.
핵심 포인트
- MIT 연구진은 GPT-6 Astra가 학습 자료와 시험 플레이 없이 신경망 가중치를 작성할 수 있는지 시험했다.
- 기존 언어모델의 일부 가중치를 고쳐 수학 평가 성적을 높인 사례도 제시했지만, 결과는 과제와 모델에 따라 달랐다.
- GPT-6 Astra가 게임 규칙과 소스 코드만으로 작성한 신경망이 벽돌깨기에서 517.4점을 기록했다.
본문
MIT 연구진은 GPT-6 Astra가 학습 자료와 시험 플레이 없이 신경망 가중치를 작성할 수 있는지 시험했다. 기존 언어모델의 일부 가중치를 고쳐 수학 평가 성적을 높인 사례도 제시했지만, 결과는 과제와 모델에 따라 달랐다. GPT-6 Astra가 게임 규칙과 소스 코드만으로 작성한 신경망이 벽돌깨기에서 517.4점을 기록했다. 같은 구조로 5억 단계를 학습한 강화학습 모델보다 약 20배 높은 점수다. MIT 컴퓨터과학·인공지능연구소(MIT CSAIL) 연구진은 2일 공개한 연구 설명문에서 이 방식을 ‘가중치 공간 프로그래밍’이라고 불렀다. 신경망 가중치는 입력을 처리하고 결과를 내는 데 쓰이는 숫자다. 실험에서 연구진은 단순화한 벽돌깨기 게임의 규칙과 소스 코드, 모든 가중치가 0인 신경망을 GPT-6 Astra에 제공했다. GPT-6 Astra에는 게임을 미리 실행해 볼 기회도 주어지지 않았다.
연구진은 벽돌깨기 외에 다른 두 게임에서도 같은 방식의 결과를 평가했다.
이 두 게임에서는 GPT-6 Astra가 작성한 신경망이 5억 단계를 학습한 모델을 넘어서지 못했다. 알리바바의 큐원 3.5-0.8B(Qwen3.5-0.8B)에서 가중치의 0.016%를 수정하자 MATH-500 정답률이 7.9%에서 48.1%로 올랐다. 앞서 공개된 보조 실험 결과에서 Gemma 3 270M의 MATH-500 점수는 기본 6.8%에서 수정 후 최대 7.7%로 바뀌었다.