대형 언어 모델이 소형 모델이 놓치는 능력을 습득하는 이유
Anthropic과 Stanford 등의 연구진에 따르면, 소형 모델은 학습 과정에서 흔하게 등장하는 작업에 편향되어 드문 작업을 학습하자마자 잊어버리는 현상을 겪습니다. 반면 대형 모델은 넉넉한 용량을 바탕으로 흔한 작업을 먼저 마스터한 뒤, 드문 작업의 패턴을 안정적으로 암기하고 법칙을 깨달아(grokking) 새로운 상황에 일반화할 수 있습니다. 이는 모델의 크기를 무작정 키우는 대신, 특정 기능을 원하는 수준으로 학습시키기 위해 훈련 데이터 내에서 해당 작업의 등장 빈도를 높이는 것이 더 효율적인 대안이 될 수 있음을 시사합니다.
연구진이 밝힌 대형 언어 모델이 소형 모델이 놓치는 능력을 습득하는 이유 Jonathan Kemper | 2026년 6월 7일 | THE DECODER
새로운 연구에 따르면, 모델을 무작정 키우는 대신 훈련 데이터에서 특정 작업의 등장 빈도를 높여 소형 모델에 드문 기술을 학습시키는 것이 더 효율적일 수 있는 것으로 나타났습니다.
Anthropic, Stanford 및 기타 기관의 연구진이 발표한 새로운 연구는 대형 언어 모델(LLM)이 소형 모델이 실패하는 특정 작업을 어떻게 학습하는지 설명합니다. 이번 발견은 단순히 '대형 모델이 더 빨리 학습한다'는 기존의 통념을 넘어섭니다. 경우에 따라 소형 모델은 학습을 아주 오래 진행하더라도 드문 작업을 안정적으로 학습하지 못합니다. 잘 알려진 스케일링 법칙(scaling laws) 역시 아무리 많은 데이터를 쏟아부어도 소형 모델은 대형 모델의 손실(loss) 수준에 도달할 수 없음을 보여줍니다.
흔한 작업이 드문 작업을 밀어냐 이 메커니즘을 분리해 내기 위해 연구진은 빈도와 복잡성이 다양한 작업들을 혼합하여 테스트했습니다. N개의 뉴런을 가진 모델은 '가장 유용한' N개의 특징을 할당받으며, 여기서 유용성은 작업이 등장하는 빈도와 중요도를 기반으로 합니다. 잦고 단순한 작업이 우선순위를 차지하며, 드물고 복잡한 작업은 탈락합니다.
실험 결과, 훈련 데이터의 0.25%를 차지하는 작업은 충분히 큰 모델만이 학습할 수 있었습니다. 이 논문의 핵심은 모델 크기가 왜 도움이 되는지에 대한 설명입니다. 빈번한 작업이 완전히 학습되지 않은 상태에서는 매 학습 단계마다 모델을 강하게 해당 방향으로 끌어당겨, 모델이 드문 작업에 대해 습득한 많은 부분을 덮어쓰게 됩니다. 대형 모델이 빈번한 작업을 대부분 마스터하고 나면 이러한 당김(pull) 현상이 사라집니다. 그러면 여유 용량이 드문 작업에 할당되고, 학습된 신호가 더 안정적으로 유지됩니다.
연구에 따르면 소형 모델은 이 단계에 거의 도달하지 못합니다. 이들은 '학습-망각(update-and-forget)' 루프에 빠집니다. 드문 사례가 잠깐 학습되었다가, 이어지는 흔한 작업에 대한 다음 학습 단계들에 의해 대부분 지워집니다. 다음 드문 사례가 나타나면 모델은 처음부터 다시 시작해야 합니다.
한 실험에서는 이 효과를 명확히 분리하기 위해 설계되었습니다. 드문 작업의 전체 등장 빈도는 일정하게 유지하면서 개별 등장 사이의 간격을 다르게 했습니다. 간격이 클수록 좁은(소형) 모델에서는 신호가 더 많이 감소했습니다. 넓은(대형) 모델은 관측 사이에 신호를 더 잘 유지하고 이를 기반으로 발전시켰습니다.
실제 언어 모델에서도 동일한 패턴 나타나 사전 훈련(pre-training) 중에 이 이론을 테스트하기 위해 연구진은 Dolma 코퍼스의 최대 2,100억 토큰을 사용하여 400만 개에서 40억 개 사이의 파라미터를 가진 OLMo 모델을 훈련시켰습니다. 데이터에 두 가지 인공 작업(숫자 비교 및 모듈러 덧셈)을 섞었으며, 빈도는 배치당 약 1,000개 사례부터 10배치당 1개 사례까지 다양했습니다.
더 큰 OLMo 모델만이 개별 예시를 단순히 암기하는 것을 넘어 그 이면의 규칙을 학습하고 새로운 사례에 적용하는 방식으로 드문 작업을 습득했습니다. 이는 연구진이 소위 '그로킹(grokking)'으로 알려진 현상을 관찰한 모듈러 덧셈에서 특히 뚜렷하게 나타났습니다. 모델이 먼저 작업을 암기한 다음, 더 많은 학습 후 갑자기 실제 원리를 깨닫는 것입니다. 더 큰 모델만이 이 깨달음의 순간에 도달했으며, 데이터에 작업이 충분히 자주 등장할 때만 가능했습니다.
모델 내부를 들여다본 결과도 같은 이야기를 전합니다. 10억 파라미터 모델에서는 드문 작업이 포함된 모든 학습 단계가 명확하게 정답을 향해 나아갔습니다. 반면 2,000만 파라미터 모델에서는 그 신호가 다른 모든 것에서 발생하는 노이즈(noise)에 묻혀버렸습니다. 실질적인 학습은 거의 일어나지 않았습니다.
암기는 일반화를 위한 디딤돌 이 연구는 암기를 원치 않는 부작용이 아니라 일반화의 전제 조건으로 취급합니다. 모델은 여러 배치에 걸쳐 더 넓은 패턴이 형성될 수 있도록 개별 관측치를 충분히 오래 유지할 수 있어야 합니다.
이는 모델을 단순히 더 키우는 것에 대한 실용적인 대안을 제시합니다. 연구에 따르면 모델의 크기를 키우는 대신, 특정 기술을 고정시키기 위해 훈련 데이터 내에서 대상 작업의 빈도를 늘리는 것이 가능합니다.