|잡돌쌤•2026-03-23•2분 소요

이번 글은 Human-Aligned Decision Transformer(HADT)와 embodied agent 피드백 루프를 결합해, 유산어 부흥 프로그램의 개인화·몰입형 학습을 노리는 접근이 핵심이에요

💡 한줄 요약|이번 글은 Human-Aligned Decision Transformer(HADT)와 embodied agent 피드백 루프를 결합해, 유산어 부흥 프로그램의 개인화·몰입형 학습을 노리는 접근이 핵심이에요.

AI가 사라져가는 전통 언어 교육을 ‘사람 맞춤형’으로 확장하는 새 구조가 제안됐어요.

이번 글은 Human-Aligned Decision Transformer(HADT)와 embodied agent 피드백 루프를 결합해, 유산어 부흥 프로그램의 개인화·몰입형 학습을 노리는 접근이 핵심이에요. 정적 선호 데이터에 맞추는 기존 RLHF의 한계를 넘겠다는 거예요.

사례 배경도 뚜렷해요. 웨일스 농촌의 커뮤니티 수업에서 조부모는 유창한 Cymraeg를 쓰지만 아이는 영어 중심으로 머뭇거렸고, 현장 도구는 플래시카드·동화책·정해진 대화 시간에 머물러 확장성이 부족했거든요.

결국 포인트는 정확한 문장 생성보다, 학습자 감정·문화 맥락·사회적 상호작용까지 반영해 “어떻게 가르칠지”를 AI가 결정하게 만드는 데 있어요.

이 글이 어땠나요?

기존 LLM 기반 접근과 단독 Sledgehammer를 크게 넘은 결과거든요

기존 LLM 기반 접근과 단독 Sledgehammer를 크게 넘은 결과거든요.

잡돌쌤2분 소요

핵심은 LLM만 쓰던 단일 구조를 버리고, 의미 추론은 확률적 LLM 노드가 맡고 규칙형 작업은 결정론적 코드 노드로 분리한 하이브리드 설계예요

핵심은 LLM만 쓰던 단일 구조를 버리고, 의미 추론은 확률적 LLM 노드가 맡고 규칙형 작업은 결정론적 코드 노드로 분리한 하이브리드 설계예요.

잡돌쌤2분 소요

작성자는 Spotify 에피소드에서 마음에 드는 구간을 Start/Stop으로 저장하고, 대시보드에서 검색까지 되는 PodClip을 만들었어요

작성자는 Spotify 에피소드에서 마음에 드는 구간을 Start/Stop으로 저장하고, 대시보드에서 검색까지 되는 PodClip을 만들었어요.

잡돌쌤2분 소요

관련 글

기존 LLM 기반 접근과 단독 Sledgehammer를 크게 넘은 결과거든요

핵심은 LLM만 쓰던 단일 구조를 버리고, 의미 추론은 확률적 LLM 노드가 맡고 규칙형 작업은 결정론적 코드 노드로 분리한 하이브리드 설계예요

작성자는 Spotify 에피소드에서 마음에 드는 구간을 Start/Stop으로 저장하고, 대시보드에서 검색까지 되는 PodClip을 만들었어요