이번 AutoTTS는 UMD·UVA·WUSTL·UNC·Google·Meta 공동팀이 제안했어요

연구진이 사람이 규칙을 짜는 대신 Claude Code 기반 에이전트로 AI 추론 제어 알고리즘을 직접 찾게 했고, 기존 방식보다 더 높은 효율을 보였어요.

이번 AutoTTS는 UMD·UVA·WUSTL·UNC·Google·Meta 공동팀이 제안했어요. 핵심은 테스트타임 스케일링(TTS)을 폭(width)과 깊이(depth) 제어 문제로 보고, 분기·중단·집중 규칙을 사람이 손으로 설계하지 않는 점이에요.

오프라인 재현 환경에서 미리 생성한 해답 경로를 재사용해 수천 개 변형을 실제 모델 재실행 없이 평가했어요. 공개된 예시 기준 탐색 비용은 39.90달러, 실행 시간은 160분이었어요.

결국 사람은 알고리즘 설계자에서 환경 설계자로 역할이 바뀌고, AI가 계산 예산 안에서 더 나은 추론 전략을 자동으로 찾는 흐름이 빨라질 수 있겠어요.