짧은 피드백 루프 (Short Feedback Loop)
자율 AI 에이전트의 학습률을 직접 결정하는 변수. 채점 1회에 걸리는 시간이 곧 단위 시간당 가능한 시행착오 횟수다.
정의
자율 루프에서 “시도 → 채점 → 수정”의 한 사이클을 물리적으로 짧게 만드는 엔지니어링. 단순 효율 개선이 아니라, 같은 시간 안에 가능한 시행착오 횟수를 늘려 에이전트의 사실상의 학습률(effective learning rate)을 끌어올린다.
사례: Nanofold (나노폴드)
본 영상에서 인용된 사례. 단백질 구조 예측·생성 분야의 Nanofold 프로젝트에서 며칠 단위 채점을 몇 분 단위로 단축한 사례. 채점 파이프라인 자체를 줄여서 에이전트가 하루 안에 수십 번의 가설 검증을 할 수 있게 만들었다.
정확한 수치·세부 방법은 본 영상 description 수준에서만 언급되며, 원본 영상 또는 Nanofold 자체 자료 확인 필요.
단축 원리
- 채점 자동화 — 사람이 보지 않아도 통과/실패가 결정되도록
- 부분 채점 — 전체 결과를 기다리지 않고 부분 결과로 조기 시그널
- 테스트 셋 슬림화 — 빠른 회귀 테스트 + 야간 풀 회귀 분리
- 체크리스트 기반 정량 평가 — 정성적 평가 제거 (관련: goal-mode-자율루프)
왜 학습률에 직결되는가
자율 루프의 성능은 모델 능력 × 시행 횟수의 곱에 가깝다. 채점 시간이 10배 짧아지면 같은 컴퓨팅·시간 예산 안에서 시도 횟수가 10배 늘고, 그만큼 더 나은 해법에 도달할 확률이 올라간다.