This is proving how Anthropic was taking even small details seriously during the training phase
Anthropic의 모델이 그동안 과도하게 사용하던 em dash(—)를 줄이는 등 세밀한 개선을 이뤄낸 것에 대한 사용자들의 긍정적인 반응입니다.
Anthropic의 모델 성능 향상에 대한 긍정적인 반응과 함께, AI 글쓰기 스타일의 상징이 된 EM dash 사용에 대한 사용자들의 다양한 의견이 오가고 있음.
지금 다들 찬양 일색인 거 알지만, 진짜 4개월 동안 사회성 박살 난 이상한 동료랑 일하다가 갑자기 제대로 소통 가능한 사람으로 바뀐 기분이야.
공격받는 기분인데
아니, 넌 AI로 대체됐어.
AI 전쟁 측면에서 이번 릴리즈만큼 찬사받을 자격이 있는 적이 없었지.
이제 와서 내가 Anthropic을 빤다고 비난해도 상관없어. 난 뻔뻔하지만 존중을 담아서 아주 빨아주고 있으니까.
엄청난 건 동의해. 하지만 Opus 4.5도 잊지 말자고. 그 전 모델들은 그냥 챗봇이었는데, 4.5는 얘네가 실제로 일을 할 수 있다는 걸 보여줬으니까.
5.5도 엄청 기대 중이야. 더 떠들 수도 있지만, 내 불만 사항들을 다 해결해 줘서 이제 일하는 데 방해되는 게 하나도 없는 느낌이야.
맞아, Opus 모델들 계속 퇴보하길래 다시 잘할 수 있을까 싶었는데, 진짜 해냈네. 의사소통이랑 성능 둘 다 엄청나게 발전함.
조만간 메이저 LLM들 전부 em dash 안 쓰게 될 듯
왜 이게 그렇게 큰일인지 모르겠네. 시스템 프롬프트에 쓰기만 해도 없어지는데. 굳이 모델을 완전히 재학습시킬 이유가 있나? em dash를 쓰는 게 틀린 것도 아니고, 그냥 사람들이 AI가 일반인보다 더 자주 쓰니까 싫어하는 것뿐이잖아.
난 EM dash 좋아함 — 사람들이 AI slop이랑 연관 짓기 전까진 맨날 썼었지. 마침표나 쉼표, 세미콜론이랑은 리듬감이 다르거든. 사라지는 게 아쉽긴 한데, 몇 년 지나면 사람들이 나보고 거짓말쟁이라고 안 하고 다시 EM dash 쓸 수 있겠지!
EM dash를 마침표로 바꿔도 아무 문제 없잖아. 그래서 과하게 쓰이는 게 문제라는 거임. 문단 대부분에 그냥 끼워 넣을 수 있으니까.
EM dash를 마침표로 바꿔도 아무 문제 없잖아 — 그래서 과하게 쓰이는 게 문제라는 거임. 문단 대부분에 그냥 끼워 넣을 수 있으니까.
EM dash를 마침표로 바꿔도 아무 문제 없잖아. 그래서 과하게 쓰이는 게 문제라는 거임 — 문단 대부분에 그냥 끼워 넣을 수 있으니까.
EM dash랑 세미콜론의 진짜 가치는 문장 중간에 들어가는 파편적인 내용들—이런 식으로—을 표현할 때 나오는데, 사실 쉼표나 괄호로도 똑같은 효과 낼 수 있음.
대부분은 잘 작동했는데 가끔 대시나 이중 대시로 바뀌는 걸 봤어. 아니면 그냥 세미콜론을 쓰거나. 나름대로 우회하려고 계속 노력하는 것 같더라.
직장에서 AI 아티팩트로 간주해서 AI 사용이 금지됨. 이거 보이면 바로 경고 먹음. 좀 웃기긴 한데 피할 수 있는 문제긴 함.
프롬프팅으로 모델의 기본 학습 방향을 거스르는 건 뭐든 전혀 신뢰할 수 없음. 특히 컨텍스트가 꽉 찰수록 더더욱.
난 개인적으로 em dash는 신경 안 썼지만.
돌이켜보면 진짜 기괴한 문체였음. 나 작가이자 다독가인데, 영어에서 em dash는 그렇게 자주 안 쓰임. 콜론, 세미콜론, 일반 하이픈을 제쳐두고 쓸 정도는 절대 아님. AI 글쓰기는 단순하고, 항상 최대 대비를 추구하고, 항상 똑같은 구조를 따르는 경향이 있음.
em dash가 그렇게 언급됐다는 건 일반 독자들에게 얼마나 부자연스럽게 느껴졌는지를 보여줌.
AI 출력이 방대한 글 데이터를 기반으로 한 순수 확률적 결과물이었다면, em dash는 살아남지 못했을 거임. 이건 파인튜닝 초기 단계에 결정적인 경로가 있었다는 걸 보여주고, 이 초기 데이터셋들이 언어 모델 전반에 걸쳐 공통된 표준이 됐을 가능성이 있음. 많은 주요 언어 모델들이 em dash를 (다시 말하지만 영어 글쓰기에서 흔한 특징이 아님) 지겨울 정도로 반복한다는 사실은, 이게 하나의 공통적이고 독특한 글쓰기 '장르'로 자리 잡았음을 보여줌. LLM 학습이 순수하게 확률적이었다면 기대하기 힘든 결과지.
결국 스타일 문제인 듯.
Claude Opus 5.5의 성능 저하 여부를 실시간으로 추적하는 오픈소스 벤치마크 도구 'LiveNerf'가 공개되어 큰 호응을 얻고 있습니다.
Claude Opus 5.5의 성능 저하 여부를 실시간으로 추적하는 오픈소스 벤치마크 도구 'LiveNerf'가 공개되어 큰 호응을 얻고 있습니다.
GPT-3 서비스 종료에 대한 아쉬움과 함께, 기업의 일방적인 모델 폐기 정책을 비판하며 로컬 모델 보존의 중요성을 강조하는 반응들.
GPT-3 서비스 종료에 대한 아쉬움과 함께, 기업의 일방적인 모델 폐기 정책을 비판하며 로컬 모델 보존의 중요성을 강조하는 반응들.
