구글, AI 도구 학습 '툴그래드' 공개..."답부터 만들고 질문 붙여 성공률 99.8%"

구글, ‘툴그래드’로 AI 도구 사용 능력 학습 혁신

구글이 최근 대형언어모델(LLM)의 도구 사용 능력을 획기적으로 향상시킬 수 있는 새로운 데이터 생성 프레임워크인 ‘툴그래드(ToolGrad)’를 발표했다. 이 혁신적인 접근법은 AI 에이전트가 복잡한 작업을 수행하는 데 필요한 도구 및 API 활용 능력을 대폭 개선하는 데 중점을 두고 있다. 특히, 툴그래드는 기존의 방식에 비해 안정적이면서도 효율적인 데이터 생성이 가능하다는 점에서 주목받고 있다.

툴그래드의 새로운 접근법

기존의 데이터 생성 방식은 사용자의 질의에서 출발해 도구 탐색을 진행하는 ‘질의 우선(question-first)’ 구조였다. 이는 가상의 사용자 질의를 먼저 만들어내고, 그에 맞는 해결 경로를 찾는 방식으로, 시행착오가 발생할 경우 많은 계산 자원이 낭비되는 문제점이 있었다. 반면, 툴그래드는 ‘답변 우선(answer-first)’ 방식으로, 이미 검증된 도구 사용 체인을 먼저 구축한 다음, 그에 맞는 사용자 질의를 생성하는 방식이다. 이를 통해 데이터 생성 비용과 실패율을 획기적으로 줄일 수 있었다.

툴그래드는 네 개의 모듈로 구성되어 있다. ▲API 제안자 ▲실행기 ▲선택자 ▲LLM 업데이트가 그것이다. 제안자는 확장 가능성이 높은 API 후보를 제시하고, 실행기는 이를 병렬로 처리한다. 선택자는 최종 결과를 종합하여 적합한 호출을 워크플로에 통합하며, LLM 업데이트 모듈은 전체 흐름을 역방향으로 참조하여 사용자 질의와 응답을 다듬는 역할을 수행한다. 이러한 구조는 툴그래드가 높은 성공률을 자랑하는 데 기여하고 있다.

성능 향상과 데이터 생성 성공률

구글 연구진이 발표한 성능 평가 결과에 따르면, 툴그래드 기반으로 생성된 데이터의 성공률은 무려 99.8%에 달했다. 이는 기존의 63.8%에서 대폭 상승한 수치로, 1만 6000개 이상의 실제 API가 포함된 툴벤치 데이터베이스를 기준으로 한 결과이다. 또한, 생성된 데이터 샘플의 도구 사용 단계도 평균 2.1개에서 3.4개로 증가해, 보다 복잡한 작업을 다룰 수 있도록 발전했다.

툴그래드를 통해 학습된 AI 에이전트는 기존의 ‘생각-실행-생각-실행’ 방식에서 벗어나 전체 도구 사용 흐름을 한 번에 예측하는 일괄(One-shot) 방식으로 변화했다. 이로 인해 실행 지연 시간과 토큰 소비를 크게 줄이면서도 작업의 정확도를 극대화했다.

향후 전망과 의미

구글은 단 500개의 고품질 데이터로 구성된 ‘툴그래드-500’ 데이터셋을 통해 ‘젬마-3’ 모델을 추가 학습시켜 비약적인 성능 향상을 이끌어냈다. 이는 방대한 데이터를 필요로 하던 기존 방식과는 대조적이며, 소규모 데이터로도 높은 수준의 도구 활용 능력을 얻을 수 있음을 보여준다. 특히, 툴그래드-12B 모델은 버클리 함수 호출 리더보드에서 83.1점을 기록해, 다른 모델과 견줄 수 있는 성과를 올렸다.

툴그래드는 AI 도구 사용 데이터 생성의 비용, 확장성, 실패율 문제를 동시에 해결할 수 있는 가능성을 보여주며, 앞으로 AI 에이전트의 발전에 중요한 역할을 할 것으로 기대된다. 연구자들은 툴그래드의 코드와 데이터셋, 학습 모델을 깃허브에 공개하여, 이 기술이 더욱 널리 활용될 수 있는 계기를 마련할 예정이다. AI 기술의 새로운 장을 여는 툴그래드의 혁신이 과연 어떤 변화를 이끌어낼지 주목된다.