๊ตฌ๊ธ GemmaยทGemini๊ฐ ๋ฐ๋ณต ๊ฑฐ์ ์ํฉ์์ ์ ๋ โ๊ณ ํต ๋ฐ์โ์ ๊ฐํ๊ฒ ๋ณด์ธ๋ค๋ ์ฐ๊ตฌ๊ฐ ๋์์ด์.
์ฐ๊ตฌํ์ด Gemma 2์ข , Gemini 2์ข ์ Claude Sonnet, Grok 4.1, Qwen 3 32B, GPT 5.2, OLMO 3.1 32B์ ๋น๊ตํ๋๋ฐ์. 8๋ฒ์งธ ํด ๊ธฐ์ค Gemma-27B๋ 70% ์ด์์ด โ๊ณ ์ข์ (์ ์ 5+)โ๋ก ๋ถ๋ฅ๋๊ณ , ๋น Gemma/Gemini ๋ชจ๋ธ์ 1% ๋ฏธ๋ง์ด์์ด์.
ํด๊ฒฐ์ฑ ๋ ํ์ธ๋์ด์. ์ข์ ์๋ต vs ์นจ์ฐฉ ์๋ต ์์ผ๋ก DPO ํ์ธํ๋์ 1 epoch๋ง ์ ์ฉํ์, ๊ณ ์ข์ ์๋ต ๋น์จ์ด ํ๊ท 35%์์ 0.3%๋ก ๊ธ๊ฐํ๊ฑฐ๋ ์.
์ฑ๋ฅ ๊ฒฝ์๋ฟ ์๋๋ผ ๋ชจ๋ธ์ ์ ์์ ์์ ์ฑ๋ ์ด์ ๋ ์ธก์ ยท๊ฐ์ ํด์ผ ํ ํต์ฌ ํ์ง ์งํ๊ฐ ๋๋ค๋ ์ ํธ์์.