누미드랩스(Numidlabs)가 새로운 의사결정 모델인 '와즌-2B(Wazn-2B)'를 선보였습니다. 이 모델은 20억 개(2B) 파라미터의 경량 모델임에도 불구하고, 주어진 맥락, 선택적 규칙, 그리고 지시에 따라 미리 정의된 레이블 세트 중 가장 적절한 것을 확률 분포로 반환하는 기능을 제공합니다. 특히, 텍스트를 직접 생성하지 않고 오직 분류 작업에만 집중하여 효율성을 높인 것이 특징입니다.
와즌-2B는 Qwen3.5-2B-Base 모델을 백본으로 사용하며, LoRA(Low-Rank Adaptation) 어댑터를 통해 미세조정(fine-tuning)되었습니다. 작동 방식은 세 단계로 나뉩니다. 먼저, 각 후보 레이블(정의 및 예시 포함)을 인코딩(encoding)하여 표현을 만듭니다. 다음으로, 관계형 심사관(relational judge)이 이 후보 표현들을 서로 비교하여 각 레이블의 확률을 산출합니다. 마지막으로, 'NONE 게이트'가 유효한 후보가 있는지 평가하여, 특정 임계값 이하면 'NONE'을 반환하고, 그렇지 않으면 가장 가능성 높은 후보를 최종 답변으로 제시합니다. 이는 기존의 개별 점수 매기기 방식보다 후보들 간의 상대적 적합성을 더 잘 판단할 수 있게 합니다.
와즌-2B는 고객 문의 분류, 콘텐츠 태깅 등 다양한 제로샷 분류 시나리오에 활용될 잠재력이 있습니다. 특히, 경량 모델임에도 불구하고 복잡한 의사결정 과정을 수행할 수 있어, 자원 제약이 있는 환경에서도 효율적인 AI 솔루션 구축을 가능하게 합니다. 아직 실험 단계이며 프로덕션 환경보다는 모델 테스트에 적합하다고 명시되어 있지만, 이러한 접근 방식은 대규모 언어모델(LLM)의 과도한 자원 소모 없이 특정 목적의 분류 작업을 정교하게 수행하려는 시도라는 점에서 주목할 만합니다.