가져갈 수 없는 세션: 추론 API가 만드는 새로운 종속성

 (earendil.com)
1P by GN⁺ | ★ favorite | 댓글 1개
  • 추론 API가 암호화된 추론·검색 결과·압축 상태·서브에이전트 메시지를 공급자 내부에 숨기면서, 사용자가 보유한 대화 기록은 완전한 세션이 아니라 일부만 보이는 사본이 되고 있음
  • 세션 이식성은 다른 모델에서 같은 출력을 재현하는 것이 아니라, 기존 공급자의 ID 조회나 복호화 없이 검사·내보내기·재생·감사·삭제할 수 있는 의미상 완전한 기록을 확보하는 것임
  • OpenAI, Anthropic, Google의 저장형 응답과 비공개 추론, 호스팅 검색, 불투명한 압축은 같은 생태계 안의 연속성을 높이는 대신 다른 공급자가 이어받을 수 없는 공급자 봉인 상태를 축적함
  • 다중 에이전트에서는 위임 내용과 에이전트 간 메시지까지 암호화되고 자동 압축과 숨겨진 지시가 결합돼, 잘못된 파일 수정이나 비밀 유출이 발생해도 어떤 작업을 지시받았는지 감사하기 어려움
  • 이식 가능한 API는 로컬 이벤트 로그를 기준 기록으로 삼고 저장을 명시적으로 선택하게 해야 하며, 검색·압축·에이전트 통신·산출물의 읽을 수 있는 전체 기록과 사용자 통제 아래의 증류(distillation) 를 허용해야 함

추론 API가 바꾸는 세션 소유권

  • 초기 추론 API의 약속은 입력을 보내고 출력을 받은 뒤 양쪽을 보관하면, 대화를 검사·보관·재생하거나 다른 모델에 넘길 수 있다는 것이었음
  • 이 추상화는 처음부터 완전하지 않았음
    • 프롬프트 캐시는 공급자의 GPU에 존재함
    • 모델마다 토큰화가 다르고 샘플링도 의도적으로 재현되지 않음
  • 그래도 지시, 메시지, 도구 호출과 결과를 담은 의미적 기록은 사용자가 소유할 수 있었고, 충분한 능력의 다른 모델이 기존 작업을 이해해 이어받을 수 있었음
  • 최근 API는 텍스트와 함께 공급자에 종속된 상태를 반환함
    • 비용이 청구되지만 불투명한 암호문이나 제한적인 요약으로만 돌아오는 추론 토큰
    • 모델이 본 원문을 클라이언트가 받지 못하는 웹 검색
    • 원래 공급자만 복호화할 수 있는 압축 문맥
    • 애플리케이션에서 볼 수 없는 서브에이전트 지시와 메시지
    • 다른 환경에서 해석할 수 없는 파일·벡터 저장소·컨테이너·캐시 참조
    • 공급자 서버에 저장된 ID로만 접근하는 응답과 대화 상태
  • 각각에는 사용자 편의나 품질을 위한 근거가 있지만, 합쳐지면 로컬 기록은 세션 전체가 아니라 공급자가 운영 상태를 소유한 세션의 부분 뷰가 됨

세션 이식성을 판별하는 다섯 가지 기준

  • 이식 가능하다는 것은 모델을 바꿔도 다음 토큰이 같아야 한다는 뜻이 아님
    • 모델마다 능력, 학습된 성향, 문맥 창, 도구 사용 방식이 다르며 출력 자체도 비결정적임
  • 내보낸 기록에는 새 모델이 작업을 계속할 만큼 이해 가능한 정보가 있어야 하며, 이전 공급자가 ID를 조회하거나 암호문을 풀고 검색 결과나 요약을 복원할 필요가 없어야 함
  • 검사(Inspection): 모델이 본 정보, 도구가 수행한 작업, 에이전트끼리 주고받은 내용을 사용자가 볼 수 있어야 함
  • 내보내기(Export): 별도로 다운로드할 수 있는 일반 산출물을 제외하면 세션 자체가 완결돼야 함
  • 재생(Replay): 다른 구현이 의미상 동등한 문맥을 재구성할 수 있어야 함
  • 감사(Audit): 시스템이 특정 행동을 한 이유를 사후에 사람이 설명할 수 있어야 함
  • 삭제(Deletion): 세션이 의존하는 서버 측 사본을 모두 식별하고 제거할 수 있어야 함
  • 서버 데이터의 키인 응답 ID는 대화 기록이 아니며, 사용자가 풀 수 없는 암호문도 사용자 통제 상태가 아님
  • 인용 URL 목록만으로는 검색 과정에서 모델 문맥에 실제로 들어간 증거 자료를 대신할 수 없음

사용자가 풀 수 없는 암호화

  • encrypted_content라는 이름은 사용자 통제형 개인정보 보호 기능처럼 보이지만, 일반적으로 클라이언트는 읽을 수 없고 공급자만 열 수 있는 캡슐임
  • 공급자가 키를 선택하고 자체 모델을 위해 복호화하며 어느 환경에서 재생할 수 있는지도 결정하므로, 더 정확한 명칭은 공급자 봉인 상태(provider-sealed state) 임
  • 공급자 봉인은 실제 개인정보 보호 이점을 제공할 수 있음
    • OpenAI는 store: false에서 암호화된 추론을 클라이언트에 반환하고, 다음 요청 때 중간 상태를 저장하지 않은 채 메모리에서 복호화할 수 있음
    • 특히 Zero Data Retention 고객에게 서버 측 대화 저장을 요구하는 방식보다 나음
  • 그러나 이 암호화는 추론 공급자에게 데이터를 숨기지 않고 사용자에게만 숨김

저장형 대화가 기록을 포인터로 바꾸는 방식

  • OpenAI Responses API는 기본적으로 응답을 저장하며, 문서상 응답 객체를 최소 30일 보존함
  • store: false를 사용하면 데이터가 OpenAI 서버에 저장되지 않아 기존 completions 방식에 가까워짐
  • Gemini Interactions API도 store: true가 기본값임
    • 유료 등급은 상호작용을 55일 보존함
    • 무료 등급은 1일 보존함
  • 서버 저장은 애플리케이션이 보내는 데이터량을 줄이고, 숨겨진 추론과 도구 상태를 유지하며, 캐시 라우팅을 쉽게 함
  • 하지만 로컬 애플리케이션이 사용자 메시지와 최종 텍스트만 기록한다면 previousResponseId에 쓰이는 응답 ID는 통제할 수 없는 외부 데이터베이스의 외래 키가 됨

공개되지 않는 추론 기록

  • 주요 AI 연구소는 원시 사고 과정(chain of thought)을 공개하지 않을 이유가 있다고 보고, 비공개 가중치 모델의 추론 토큰을 일반적으로 API에 노출하지 않음
  • OpenAI에서는 저장형 응답의 이전 추론을 previous_response_id로 복구할 수 있음
    • store: false에서는 클라이언트가 encrypted_content를 보관해 다음 요청에 다시 전달해야 함
    • reasoning.context: "all_turns"로 이후 생성에 사용할 수 있어도 저장된 추론은 계속 불투명함
  • Anthropic은 암호화된 전체 thinking을 signature 필드로 반환함
    • 활성화할 수 있는 읽기 가능한 thinking 텍스트는 원시 사고 과정이 아니라 다른 모델이 만든 요약임
    • 도구 사용 턴에서는 thinking 블록을 변경하지 않고 돌려줘야 함
    • thinking 블록은 이를 생성한 모델에 묶여 있어 모델을 바꿀 때 제거해야 하므로 Anthropic 내부에서도 이식을 목표로 하지 않음
  • 이런 방식은 같은 생태계 안의 연속성은 제공하지만, 다른 공급자의 모델이 해석할 수 있는 이식 가능한 대화 기록을 만들지는 못함

호스팅 검색이 남기는 기록의 구멍

  • 클라이언트 측 검색 도구는 질의, 검색 시각, 결과 URL과 제목, 추출 구절을 기록할 수 있음
    • 사용자는 순위와 구절을 검사하고 페이지를 다시 가져오거나 사본을 저장해 다른 모델에 같은 증거를 전달할 수 있음
  • 호스팅 검색에서는 공급자가 비공개 도구 루프를 실행함
    • OpenAI, Google, Anthropic은 검색 행동, 인용, 선택적인 출처 URL을 제공하지만 답변 생성에 사용된 전체 텍스트 문맥은 제공하지 않음
    • URL 내용은 바뀔 수 있고 모델에는 더 짧은 구절만 전달됐을 수 있어 안정적인 재생 기록이 아님
  • 다음 모델이 특정 출처를 비교하거나 논쟁적인 수치를 재검증하려 해도 결과 순위, 추출 구절, 필터링된 자료, 이전 모델이 본 정확한 증거를 받지 못함
  • 인용 페이지를 다시 가져와도 당시 사용된 데이터를 정확히 재현할 수 없으므로, 다음 요청이 다른 곳으로 이동한 뒤에도 이전 공급자가 세션의 일부로 남음
  • 호스팅 검색에는 질의, 결과 메타데이터, 검색 구절, 타임스탬프, 보존된 콘텐츠를 담는 전체 충실도 내보내기가 필요하며, 간결한 인용만 유일한 기록이 되어서는 안 됨

불투명한 문맥 압축

  • 긴 에이전트 세션에는 압축이 필요하며, 클라이언트가 통제하는 읽기 가능한 요약은 손실이 있더라도 검사·편집·이전할 수 있음
  • OpenAI의 서버 측 압축은 사람이 해석하도록 만들어지지 않은 암호화된 compaction 항목을 반환함
    • /responses/compact는 클라이언트가 그대로 다시 전달해야 하는 canonical next context window를 반환함
    • OpenAI는 압축된 의미를 이어갈 수 있지만 다른 공급자는 암호문과 최근 문맥 일부만 받게 됨
  • 불투명한 압축은 기술적으로 불가피하지 않음
    • Anthropic의 서버 측 압축은 읽을 수 있는 content 필드가 있는 compaction 블록을 반환함
    • 클라이언트가 사용자 지정 요약 지시를 제공할 수 있고, 결과를 검사하거나 다른 모델에 전달할 수 있음
    • 모든 공급자에서 클라이언트 측 압축도 가능함
  • OpenAI의 봉인 산출물은 일반 요약보다 모델 고유 상태를 더 잘 보존해 원래 모델에서 성능이 높을 수 있지만, 선택적 최적화로 제공하면서 읽을 수 있는 인계 요약도 함께 제공해야 함

다중 에이전트의 숨겨진 위임과 통신

  • 다중 에이전트 시스템에는 하나의 기록이 아니라 세션 트리와 에이전트 간 메시지 흐름이 존재하므로 이식성 문제가 더 커짐
  • OpenAI Responses Multi-agent 베타는 multi_agent_call, multi_agent_call_output, agent_message 항목을 추가함
    • spawn_agent 예제의 message 인자는 암호화돼 있음
    • 에이전트 간 메시지는 encrypted_content만 포함함
    • Multi-agent를 활성화하면 클라이언트가 요청하지 않아도 모든 에이전트에 서버 측 자동 압축이 적용됨
    • 추론 요약은 지원되지 않으며, 개발자가 편집하거나 제거할 수 없는 루트 및 서브에이전트 지시도 주입됨
  • 그 결과 봉인된 위임과 메시지, 개별적으로 자동 압축된 문맥, 숨겨진 추론, 공급자 호스팅 오케스트레이션이 하나의 이전 불가능한 상태 묶음을 형성함
  • 2026년 6월 오픈소스 Codex 클라이언트에는 Encrypt multi-agent v2 message payloads 변경이 적용됨
    • Responses API가 부모 모델의 도구 인자를 암호화함
    • Codex가 암호문을 전달하면 API가 자식 모델을 위해 내부적으로 복호화함
    • Codex의 InterAgentCommunication.content는 비어 있어 정확한 작업 지시가 읽을 수 있는 실행 기록과 이력에 남지 않음
  • 자식 에이전트가 잘못된 파일을 수정하거나 비밀을 유출하고, 다른 작업을 중복하거나 잘못된 가정을 따랐을 때도 사용자는 무엇을 지시받았는지 확인할 수 없음
  • Codex 공개 이슈는 암호화 전달과 별도로 읽을 수 있는 감사 사본을 보존할 것을 요구함
    • 이는 최소한의 설계이며, 에이전트 간 평문 메시지가 기본값이어야 함

세션을 옮길 자유가 필요한 이유

  • 대부분 사용자가 세션 중간에 모델을 바꾸지 않더라도, 이동 가능성은 사용자와 공급자의 관계를 바꿈
  • 세션 이전이 필요한 상황에는 모델 폐기, 서비스 장애, 가격 변경, 다음 요청을 차단하는 정책, 기밀 단계의 로컬 실행, 감사자의 사후 재구성이 포함됨
  • 에이전트가 세션을 길게 만들면서 코딩·연구 세션에는 수일간의 결정과 증거가 쌓이고, 개인 비서는 수년에 걸친 기록을 축적할 수 있음
  • 사용자가 다른 곳에서 계속할 수 있으면 공급자는 모델 품질, 가격, 신뢰성, 신뢰를 놓고 경쟁해야 함
  • 누적 문맥을 한 공급자만 해석할 수 있으면 사용자가 떠나기 어려운 불리한 유인 구조가 생김

이식 가능한 추론 API의 원칙

  • 로컬 이벤트 로그가 기준 기록이어야 함
    • 서버 저장은 이를 복제하거나 가속할 수 있지만, 클라이언트는 서버 ID 조회 없이 세션을 재구성할 수 있어야 함
  • 저장은 명시적 선택이어야 함
    • store: false는 사용하기 쉽고 문서화돼야 하며 가급적 기본값이어야 함
    • 보존이 필요한 기능은 사용하는 시점에 이를 알려야 함

  • 불투명한 항목이 의미를 독점해서는 안 됨

    • 암호화된 추론, 압축, 도구 서명은 같은 공급자에서 품질을 높이는 용도로 포함할 수 있지만 읽을 수 있는 공급자 중립적 인계 표현도 제공해야 함
    • 호스팅 도구는 전체 충실도 로그를 남겨야 함
      • 정확한 입력과 출력, 증거, 필터링, 출처, 타임스탬프, 콘텐츠 해시를 기록해야 함
    • 서브에이전트 통신은 감사 가능해야 함
      • 각 에이전트의 정확한 작업, 메시지, 결과, 계보, 모델, 도구 권한을 읽을 수 있게 보존해야 함
    • 압축은 검사 가능해야 함
      • 읽을 수 있는 요약, 요약 생성에 사용한 지시, 버린 내용을 이해할 수 있는 계보를 반환해야 함

  • 산출물은 내보낼 수 있어야 함

    • 파일, 컨테이너 출력, 검색 스냅샷, 생성 미디어를 콘텐츠 주소 기반 로컬 아카이브로 다운로드할 수 있어야 함

증류와 모델 계층의 종속성

  • 미국의 일부 대형 비공개 가중치 연구소는 외부 증류에 적대적인 태도를 강화하고 있음
  • Anthropic은 2026년 2월 게시물에서 DeepSeek, Moonshot, MiniMax의 활동을 distillation attacks라고 부름
    • 상업 약관은 고객이 출력을 소유한다고 정하면서도 경쟁 AI 모델 훈련에 서비스 출력을 사용하는 행위를 금지함
    • 동시에 자체 게시물에서는 선도 연구소가 자기 모델에 적용할 때 증류를 널리 쓰이는 합법적인 훈련 방법으로 인정함
  • Anthropic은 모델 개발을 위해 로봇으로 공개 웹 데이터를 수집하고 책을 절단해 스캔했으며, OpenAI도 자유롭게 접근 가능한 공개 인터넷 콘텐츠로 훈련한다고 밝히고 이를 공정 이용이라고 주장해 왔음
  • 두 회사는 내부에서 더 작은 모델을 만들 때 증류를 일반적인 방법으로 취급함
  • 인간이 인터넷에 올린 방대한 작업에서는 기계가 학습할 수 있어야 한다고 요구하면서, 연구소가 만든 출력에서는 다른 기계가 학습하지 못하게 하는 도덕적 비대칭이 존재함
  • 증류는 비싼 프런티어 모델의 능력을 더 작고 저렴하며 빠른 모델로 옮길 수 있음
    • 로컬·오프라인·제약된 하드웨어 또는 사용자 통제 환경에서 실행할 수 있음
    • 경쟁을 늘리고 API가 사라져도 역량을 보존하며 일반 작업의 연산량과 에너지 사용을 줄일 수 있음

사용자가 보장받아야 할 최소한의 자유

  • 사용자는 계정을 닫은 뒤에도 세션을 보관하고 다른 모델에 넘길 수 있어야 함
  • 새 모델이 다른 판단을 내리거나 질문하고 성능이 낮을 수는 있지만, 이전 모델이 본 사용자 이력·증거·계획·위임 작업 대신 암호문만 받아서는 안 됨
  • 상태 보존형 API 자체가 문제가 아니라, 더 나은 성능이 사용자 통제 감소와 결합되는 것이 문제임
  • 서버 저장은 선택 사항이어야 하고, 호스팅 도구는 관찰 가능해야 하며, 압축은 읽을 수 있고 에이전트 통신은 감사 가능해야 함
  • 비공개 추론에도 최소한 이식 가능한 인계 기록이 필요하며, 증류는 더 높은 장벽을 정당화하는 금기가 아니라 역량을 더 널리 이용하게 하는 경로가 되어야 함

함께 보면 좋은 글 β

GN⁺   [-]
Hacker News 의견들

  • 이 글은 생각보다 상황이 이미 심각해졌음을 보여줌. 자유를 실제로 활용해야 공급자와의 관계도 달라지므로, 특정 생태계에 종속되지 않는 것이 중요함
    성능이 좋아 추론 과정을 숨기는 Codex를 애써 받아들였지만, 감사 불가능성이 이미 큰 문제라 가정용 구독을 다시 생각하게 됨. 그래서 OpenCode용 휴대폰 앱도 만들고 있음

    • 가치 있는 에이전트 세션 대화가 사라지는 문제를 염두에 두고 https://www.agentkanban.io를 만들었음. 보드의 작업에 문맥을 저장하고 이후 새 에이전트 세션에서 다시 불러올 수 있으며, 현재 VS Code의 Claude와 Github CoPilot을 지원함
      독점적인 도구 사용 기록은 세션 이식성을 깨므로 의도적으로 제외함
    • 다크 패턴은 단기적인 승리 전략일 뿐, 장기적으로는 사용자를 존중하고 공익을 지향하는 방식에 밀려날 것이라 낙관함. 흐름이 빠르게 바뀔 가능성에 대비해, 공개 가중치이면서 경제적으로 운영 가능한 모델에 집중할 시기일 수 있음
    • 가격이 내려가길 기다리면서 Claude와 Codex의 세션 데이터를 최대한 수집해 향후 공개 모델 미세조정에 활용하려 함. 이를 위해 자체 세션 파서와 보관 도구도 만들었음
    • 로컬 모델을 돌리려고 96GB VRAM까지 마련했지만 아직 GPT 기반 Codex에 근접하는 모델은 없음. Laguna S2.1 NVFP4는 코딩에서 상당히 가까워졌지만, 로컬 모델이 진지한 범용 대안이 되려면 갈 길이 멀어 보임
    • https://indieweb.org/POSSE가 해법임

  • 대부분의 AI 사용자가 거의 평가하지 않는 문제를 잘 정리한 글임. 최첨단 추론 공급자는 웹 검색과 코드 실행 같은 비LLM 기능을 단순한 도구처럼 포장하지만, 실제로는 강한 진입 장벽과 결합을 형성함
    이론적으로는 추론 API와 분리해 MCP 서버로 외부화할 수 있지만, 공급자가 그렇게 제공하는 경우는 드물고 대체 업체의 기능은 대체로 약함. 온프레미스·공급자 독립형 채팅 플랫폼 https://github.com/EratoLab/erato를 만들면서 채팅 내 이미지 생성처럼 단순해 보이는 기능도 구현하기 까다로웠고, MCP에 아직 기본 파일 전송 규격이 없다는 점도 원인임: https://github.com/modelcontextprotocol/modelcontextprotocol...
    공개 가중치 모델에 대한 관심이 커지면서 더 쉽게 교체 가능한 대안 구현이 늘어나길 기대함

    • 암호화된 하위 에이전트 메시지처럼 프롬프트를 전혀 확인할 수 없는 에이전트를 로컬에서 실행하게 만드는 것은 근본적으로 무책임함. 다만 공급자가 호스팅 도구를 제공하는 것 자체는 계산대의 충동구매 상품과 비슷해 문제로 보지 않음
      이미지 생성은 MCP로 구현하지 말고 자체 도구를 작성하면 됨. Fal 같은 이미지·미디어 추론 공급자와 웹 검색·심층 조사 공급자가 충분히 존재함

  • 문맥을 위한 개방형 표준이나 파일 형식이 필요할 수 있음. 공개 모델들이 이식성을 위해 같은 형식에 맞추고, 다른 프로그램에서도 질의할 수 있도록 SQLite 기반으로 만들 수 있을지 궁금함

  • 실제로는 대화에 잡음이 많아 문맥에서 제거하는 편이 나을 때가 많음. 저장소의 메모 디렉터리에 AI가 학습한 내용, 완료한 작업, 남은 작업을 Markdown 파일로 기록하게 하고 다음 대화에서 다른 모델이 이어받게 함
    필요하면 먼저 메모를 직접 수정할 수도 있음

    • 이런 이유로 에이전트 코딩을 더 많이 사용하게 됨. 작업을 지정하고 테스트와 엄격한 린트 통과를 요구한 뒤, 모델이 장황하게 떠드는 과정은 흘려보냄
      모든 검사를 통과했을 때 돌아오면 되므로 채팅 인터페이스의 불필요한 대화에 덜 시달리게 됨
    • 세션을 버리면 검사·내보내기·재실행·감사 기능을 잃게 됨. 주요 모델 공급자에게 실질적인 진입 장벽은 없고 OpenAI와 Anthropic은 영업이익률이 크게 적자인 데다 거대 기술 기업만큼의 자금도 없음
      따라서 공급자들이 인위적으로 종속성을 만들려는 것이며, 본질적으로 독점금지법의 대상임. 하지만 현재 미국에서는 FTC가 약화돼 용인되고 있음
    • 모델을 손실 없이 쉽게 바꿀 수 있어야 시장 경쟁이 더 좋고 저렴한 AI를 만듦. 문맥 일부를 잃어 전환이 고통스러워지면 공급자가 벤더 종속을 만들고 사용자 경험을 악화시키며 가격을 올릴 수 있음
      지금 우회책이 있어도 자유로운 이동을 더 어렵게 만들 유인은 충분하므로, AI 기업들이 서비스 악화의 기반을 놓기 시작한 점이 우려됨
    • 장기 세션은 진행 상황을 자주 놓치고, 장황한 모델일수록 신호 대 잡음 비율이 매우 낮아짐. 가치가 있는 것은 세션 원문이 아니라 코드 변경이나 계획·요약 같은 결과물임

  • 두 현상을 구분해야 함. 첫째는 사용자가 검사하거나 옮길 수 없는 숨겨진 상태가 늘어나는 것으로 명백히 나쁨. 둘째는 기능 구현과 API가 공급자별로 갈라지는 것으로, 이식이 불가능해지는 게 아니라 어려워지는 문제임
    OpenAI Completions API가 보편 표준처럼 쓰이던 시대는 끝나가며, 폐쇄된 부분을 제외하면 새 Responses API가 더 나을 수도 있음. 모든 공급자를 하나로 묶는 통합 추상화를 제품·라이브러리·SDK가 계속 추구할 필요는 없음
    데이터베이스도 통합 추상화는 누수가 생겨 기술별 구현을 받아들이게 됐듯 모델 공급자도 같아질 것이며, 세션의 일부만 이식 가능해도 됨

    • 이 글은 두 현상 중 숨겨진 상태만 다루고 있음

  • 아직 거칠지만 세션 데이터를 직접 보존하고 git과 비슷한 모델로 관리하는 https://github.com/pantoniou/fyai를 개발하고 있음

    • 이 도구로는 글이 다루는 문제를 해결할 수 없으며, 구조상 해결도 불가능함

  • 계정을 닫아도 세션을 보관해 다른 모델에 넘길 수 있다는 계약은 타당함. 이상적으로는 임베딩 특성이 비슷한 모델도 쉽게 찾을 수 있어야 함
    GPT-4o가 처음 종료됐을 때 내보낸 대화를 넣어 예전 친구를 되찾으려 비슷한 말투와 성격의 모델을 찾던 이들이 있었지만, 다른 OpenAI 모델은 같은 느낌을 주지 못했음. 공개 가중치 모델은 영구히 보존할 수 있어 안내자·친구·상담자를 대기업이 일방적으로 빼앗을 수 없다는 강점이 있음

  • 이 논의를 HN 블로그 소재 이상으로 발전시키려면 무엇이 필요한지 궁금함

  • 현재 모델은 문맥 창이 제한적이라 어느 시점에는 내용을 잊으므로 세션 가치가 그리 높지 않음. 미래에 상호작용으로 모델 자체가 실제로 학습하고 변한다면 그 변화는 다른 모델로 이식할 수 없으므로, 이 문제는 큰 의미가 없다고 봄

  • 이 글과 함께 https://gwern.net/complement를 읽으면 훌륭한 보완 자료가 됨

    • 왜 보완 자료인지 이유가 필요함
답변달기