홍콩대 연구진, YN 의사결정 모델군 공개: 4억2100만 파라미터 YN-mini 단일 GPU에서 초당 3만7000 토큰, 1200만 가구 시뮬레이션에 GPU 14장
머신하트가 2026년 11월 6일 보도한 바에 따르면, 홍콩대학교 뤄예 팀은 사회 규모 다중 에이전트 시뮬레이션 프레임워크 S²-MAS를 발표하고 YN 의사결정 모델군(421M~9B)과 Genese 엔진을 공개했다. 보도에 따르면 4억2100만 파라미터의 YN-mini는 A100 한 장에서 초당 3만7000 토큰에 도달했고, GPU 14장으로 약 4시간 만에 1200만 가구 시뮬레이션을 완료했다.
주요 변화
머신하트가 2026년 11월 6일 보도한 바에 따르면, 홍콩대학교 뤄예 교수 팀은 사회 규모 다중 에이전트 시뮬레이션 프레임워크 S²-MAS를 발표하고 YN 의사결정 모델군을 공개했다. 프레임워크는 세 부분으로 구성된다. 약 5억 건의 소비자 가구 프로필 라이브러리(각 36개 구조화 필드), YN 의사결정 모델, Genese 시뮬레이션 엔진이다. 보도에 따르면 팀은 417만 건의 실제 설문 문답을 '가구 상태+질문+선택지' 형식으로 정리했다. 모델은 사전학습 백본에 의사결정 헤드를 붙인 구조로, ModernBERT 또는 Qwen 백본이 맥락을 인코딩하고 의사결정 헤드가 후보 행동에 점수를 매긴 뒤 softmax로 선택 확률을 정규화하며, 토큰 단위 자기회귀 생성은 하지 않는다. YN 패밀리는 421M, 322M, 4B, 9B 네 가지 파라미터 규모, 총 10개 학습 변형을 포괄한다. 주력인 YN-mini는 약 4억2100만 파라미터로, 3억9500만 파라미터의 ModernBERT-large 백본에 선택지 점수화 헤드를 붙여 구성되며 2단계 SFT와 RLCD로 학습되었고, 논문의 천만 가구 시뮬레이션에는 MLX FP16 버전이 사용되었다. 팀은 학습 및 평가 코드, 과학적 도표와 집계 결과 재현 스크립트, 200만 건의 독립 합성 가구 프로필, 3만2000건의 무라벨 작업 입력도 함께 공개했으며, 모델과 일부 합성 데이터는 각자의 연구용 이용 약관에 따라 제공된다고 밝혔다. 평가 측면에서 보도에 따르면 24만458건의 홀드아웃 단일 턴 소비자 금융 객관식 문제(119개 질문 버전, 8275개 응답 가구 그룹)에서 YN-mini는 74.55% 정확도와 38.37% 매크로 평균 F1을 기록해 Jev 1.13보다 9.30%포인트, GLM-5.3-Flash보다 5.68%포인트 높았다. 500개 고정 그룹 표본(1만4441건)에서 GPT-6-Astra와의 쌍대 평가는 74.73% 대 69.34%였다. 보도는 또한 단일 A100 배포 테스트에서 YN-mini가 초당 3만7000 토큰에 도달해 Jev API 처리량의 22.72배라고 전했다. 규모 실험은 GPU 14장(H100 80GB 8장, A100 40GB 6장)을 사용해 작업을 2400개 작업 단위로 나눠 파이프라인 병렬 처리했고, 3시간 59분 17초 만에 1200만 가구, 2400만 건의 쌍대 의사결정, 2억8800만 건의 월별 장부 상태를 완료했으며, 엔드투엔드 평균 초당 약 1672건의 가구 의사결정, 초당 약 88만6000 토큰을 기록했다. 엔진 측면에서 보도에 따르면 Genese는 단일 T4에서 1000개 에이전트의 단일 턴을 6.17초에 실행해 OASIS와 OneSim보다 각각 약 17%, 20% 절약했다. 의사결정 백엔드를 고정한 뒤 실행 속도는 AgentSociety, OneSim, OASIS, MiroFish의 2.12~4.10배였다. 팀은 또 1060가구의 실제 가구로 소비 예측 검증을 했으며, 보도에 따르면 독립적으로 의사결정하는 YN-Master-9B의 연간 평균 절대 오차는 5만1312위안으로 HANK식 완전 합리성 기준보다 3.42% 낮았고 평균 제곱근 오차는 3.15% 낮았다. YN-Lite-4B는 소득별 그룹화 적합 거리에서 해당 기준보다 14.26% 낮았다.
개발자에게 미치는 영향
연동하려는 개발자에게 가장 직접적인 변화는 호출 형태에 있다. 보도가 설명하는 것은 사전학습 백본에 의사결정 헤드를 붙인 구조로, 한 번의 순전파가 사전 정의된 후보 행동에 점수를 매기고 softmax로 확률 분포를 내놓으며 토큰 단위 생성은 하지 않는다. 호출 측은 자유 텍스트를 파싱할 필요가 없고 전체 생성에 대한 토큰 비용도 지불하지 않는다. 대신 후보 행동을 미리 열거해야 하고 작업이 폐쇄형 선택지로 제한되며, 개방형 질의응답과 자유 텍스트 출력에는 적합하지 않다. 평가 기준도 함께 바뀌어야 한다. 비교 가능한 양은 문항별 정확도, 매크로 평균 F1, 선택지 순서를 바꿨을 때 최고 확률 선택지가 안정적인지, 그리고 자체 하드웨어와 배치 크기에서 초당 완료되는 의사결정 수이지 생성 품질이나 인간 선호도가 아니다. 보도의 초당 3만7000 토큰과 22.72배는 단일 A100 배포 테스트에서 나온 것이지만, 출처는 해당 테스트에 사용된 정밀도와 백본 구성을 밝히지 않았고 MLX FP16 버전은 논문의 천만 가구 시뮬레이션에만 연결되어 있어 둘은 같은 조건이 아니다. 이 수치들은 정밀도, 배치 크기, 엔진에 따라 달라지므로 규모 참고로만 봐야 한다. Genese 쪽의 가치는 장부 일관성에 집중된다. 엔티티-컴포넌트 배열 일괄 갱신, 세계 상태와 이벤트를 같은 트랜잭션 경계에서 커밋, 예외 시 라운드 스냅샷으로 롤백 같은 메커니즘이 천만 규모 주체에서 '장부는 바뀌었는데 기록이 남지 않은' 위험에 대응한다. 시뮬레이션이 건별 흔적 보존과 롤백을 요구하지 않는다면 이 부분의 이점은 훨씬 작아진다. 또한 의사결정 헤드 점수화 아키텍처는 전체 시뮬레이션 스택에 새로운 인터페이스 요구를 제기한다. 후보 집합 생성, 확률 읽기, 장부 정산을 독립적으로 교체 가능한 모듈로 분리해야 하며, 그렇지 않으면 모델을 바꿀 때마다 실험을 다시 작성해야 한다. 강조할 점은 위 정확도, 처리량, 가속비가 모두 논문과 팀 측 진술에서 나온 것이며 현재 독립적 재현은 없다는 것이다.
연동 및 평가 제안
다음은 조건부 제안과 권고이며 보도된 사실이 아니다. 결정 1은 보고서의 '사전학습 백본+의사결정 헤드, 선택지 확률 직접 출력'이라는 변화에 대응한다. 부하가 폐쇄형 선택지의 객관식, 예를 들어 설문식 선호 예측이나 규칙 내 행동 선택이라면 의사결정 헤드 모델을 생성형 호출의 대체 후보로 삼을 수 있다. 전제는 호출 전마다 후보 집합을 열거할 수 있고 고정되어 있다는 것이다. 작업이 자유 텍스트나 개방형 추론을 요구한다면 이 대체는 성립하지 않으며 생성형 모델을 계속 써야 한다. 측정 기준은 자체 홀드아웃 세트에서 문항별 정확도와 매크로 평균 F1이 기존 베이스라인보다 나은지, 그리고 선택지 순서를 바꾸는 테스트를 추가해 최고 확률 선택지가 바뀌는지 관찰하는 것이다. 정확도가 오르지 않는다면 이점은 추론 비용뿐이므로 별도로 산정해야 한다. 결정 2는 보고서의 Genese 일괄 갱신, 원자적 커밋, 스냅샷 롤백 설계에 대응한다. 10만 규모 이상의 에이전트 시뮬레이션을 하려면 모델을 바꾸기 전에 엔진을 먼저 재현하라. 전제는 시뮬레이션이 건별 대조를 요구한다는 것이다. 대략적인 전체 평균만 필요하고 예외 롤백이 필요 없다면 단순 배치 스크립트로 충분할 수 있다. 방법은 같은 의사결정 백엔드로 자체 하드웨어에서 1000개 에이전트의 한 라운드를 실행해 소요 시간을 기록하고, 장부가 건별로 맞는지, 예외 시 라운드 스냅샷으로 돌아갈 수 있는지 확인하는 것이다. 통과 기준은 장부 재현성과 롤백 유효성이며, 그다음 초당 의사결정 수를 비교한다. 보고서는 Genese를 OASIS, OneSim, AgentSociety, MiroFish와 비교했는데, 이 수치들은 팀이 자체 설정한 통제된 벤치마크에서 나온 것이므로 자체 측정 시 같은 의사결정 백엔드를 고정해야 비교 가능하다. 결정 3은 앞의 두 항목의 전제 조건으로, 보고서의 '모델과 일부 합성 데이터는 각자의 연구용 이용 약관에 따라 제공'에 대응한다. 상용 제품에 넣으려면 코드를 쓰기 전에 저장소별로 라이선스 텍스트와 필요한 허가 범위가 자신의 배포 방식을 포괄하는지 확인하라. 내부 연구 재현용이라면 보통 이 판단을 촉발하지 않는다. 또한 보고서에서 대조군으로 쓰인 GLM-5.3-Flash와 DeepSeek-V4.1-Flash는 KimiSeek 카탈로그에 해당 항목이 있어 자체 평가 베이스라인 후보로 삼을 수 있지만, 베이스라인 선택은 결국 자신의 과제에 따르라.
제한과 확인할 사항
몇 가지 불확실성은 남겨야 한다. 첫째, 보도의 정확도, 처리량, 가속비는 모두 팀 자체 보고이며, 평가 세트는 소비자 금융이라는 단일 장면의 폐쇄형 객관식에서 나왔다. 보도 자체도 이 우위가 일반화 능력과 개방형 추론 능력을 의미하지 않는다고 명시한다. 논문의 74.55%와 고정 그룹 표본의 74.73%는 서로 다른 표본 기준에서 나온 것이므로 혼용해서는 안 된다. 둘째, 단일 A100에서 초당 3만7000 토큰의 테스트 구성(정밀도, 백본, 배치 크기)은 출처가 밝히지 않았고, 출처는 MLX FP16 버전을 논문의 천만 가구 시뮬레이션에만 연결했으므로 둘은 같은 조건이 아니며 상호 일반화할 수 없다. 셋째, 가중치는 공개되었지만 연구용 이용 약관에 따라 제공되며, 공개 가중치는 OSI가 인정하는 오픈소스 라이선스와 같지 않으므로 상용 범위는 직접 확인해야 한다. 넷째, YN 의사결정 모델군과 YN-mini, YN-Lite-4B, YN-Master-9B 등의 버전은 현재 KimiSeek 카탈로그에 정확히 일치하는 항목이 없으며, 이 사이트는 해당 계열을 수록하지 않았다. 보도도 YN 계열의 공식 API나 호스팅 서비스를 언급하지 않았으며, 이후 제공사가 제공한다면 가용성, 가격, 할당량은 제공사나 호스팅 측 기준이며 이 사이트가 연동되었다는 뜻이 아니다. 다섯째, 프로필의 인적 품질 평가 대상은 처리된 실제 설문 프로필 100건이고, 소비 예측 실험은 보도된 1060가구의 실제 소비 기록을 사용했으며 평가 문항도 실제 설문 문답에서 가져왔다. 이 증거 출처 자체는 합성 데이터가 아니지만, 모두 팀이 직접 설계하고 수행한 평가 절차에서 나왔고 대조 기준(예: HANK식 완전 합리성 기준)과 지표는 팀이 설정했으며 제3자 재현이 없다. 실제로 합성 인구로 구성된 것은 5억 건 프로필 라이브러리와 1200만 가구 시뮬레이션 실험이며, 그 집계 결론은 생성 과정의 통계적 보정에 의존한다. 여섯째, 연도를 2031년으로 바꾼 기억 탐지 실험은 모델마다 12개 질문 변형뿐이어서 예비 증거로만 볼 수 있다. 일곱째, 시뮬레이션 결과에서 65세 이상 가구가 두 조건 모두에서 구매 보류를 선택하는 이러한 극단적 분포가 현실에 가까운지에 대해 보도는 외부 행동 데이터 검증을 제시하지 않았으며, 이 점은 보도에 기반한 추론이지 출처의 결론이 아니다.