대규모 언어모델(LLM)의 활용이 늘면서, 특정 기능에 대한 세밀한 제어의 필요성도 커지고 있습니다. 최근 '로켓(Locket)'이라는 새로운 기술이 공개되어 LLM의 기능별 접근 제어(feature-level access control)를 가능하게 합니다. 이는 LLM의 특정 능력, 예를 들어 코딩, 고객 지원, 텍스트 요약, 다국어 질의응답 등에 대해 개별적으로 접근 권한을 설정할 수 있도록 돕는 기술입니다.
로켓은 '기능 잠금 기술(FLoTe: Feature-Locking Technique)'을 활용하며, 2026년 ACL(Association for Computational Linguistics) 학회에 발표될 예정인 연구 논문을 기반으로 합니다. 이 기술은 DeepSeek-Math-7B 같은 LLM에 적용되어 수학, 코딩, 텍스트 요약, 다국어 질의응답 등 네 가지 기능에 대한 잠금 어댑터(locking adapter)를 허깅 페이스(Hugging Face)에 공개했습니다. 개발자들은 이 어댑터를 통해 특정 기능을 선택적으로 활성화하거나 비활성화할 수 있으며, 이는 LLM 서비스 제공자가 사용자 그룹별로 다른 기능을 제공하거나, 특정 기능을 유료화하는 등의 비즈니스 모델을 구현하는 데 핵심적인 역할을 할 수 있습니다.
이 기술은 LLM 서비스의 개인화와 수익화에 새로운 가능성을 제시합니다. 예를 들어, 특정 사용자에게는 코딩 기능을 제공하고 다른 사용자에게는 고객 지원 기능을 제한하는 식으로 맞춤형 서비스를 제공할 수 있습니다. 또한, '유료 잠금 해제(pay-to-unlock)' 모델을 통해 고급 기능을 유료 구독자에게만 제공함으로써 LLM 서비스의 수익 모델을 다각화할 수 있습니다. 이는 A/B 테스트를 통한 기능별 성능 비교, 콘텐츠 또는 연령 제한 적용 등 다양한 활용 사례로 확장될 수 있어, LLM 기반 서비스의 유연성과 확장성을 크게 향상시킬 것으로 기대됩니다.