작년 모델, 논문 및 데이터셋과 함께 오픈소스로 공개했던 jev 아키텍처

요즘 모두가 auto-regressive 방식이 아니면서 json 스키마을 이용해 번개처럼 빠른 확률 예측을 하는 아키텍처에 대해 이야기합니다. 저는 이 작업을 정확히 1년 전인 2025년 3월에 진행했고, arxiv 논문을 발표했으며, huggingface에 모델과 pypi 패키지, 그리고 학습 데이터셋을 올렸습니다. 그런데 1년 후, 한 선도적인 연구소에서 기술 논문이나 오픈 가중치, 오픈 데이터셋 없이 마치 혁신처럼 동일한 아이디어를 제안했습니다. 여러분께 알려드립니다. 핵심 기반 모델은 embedding model이나 LLM이 아니라 RL입니다.

논문: https://arxiv.org/abs/2503.23303

모델: https://huggingface.co/DeepMostInnovations/sales-conversion-model-reinf-learning

데이터셋: https://huggingface.co/datasets/DeepMostInnovations/saas-sales-conversations

또한 2025년 9월에 발표한 두 번째 작업 역시 jev가 현재 제안하는 것과 정확히 동일합니다.

논문: https://arxiv.org/abs/2510.01237

제 모델은 sequence embeddings를 사용하여 PPO(Proximal Policy Optimization) 기반으로 턴별 전환 궤적(확률, 0.0에서 1.0까지)을 출력합니다.

Jev는 병렬 샘플링(RLCD를 통해 학습)을 사용하여 신뢰도 분포와 스키마 선택을 출력합니다.

수개월간의 노력과 땀, 그리고 잠 못 이루던 밤으로 만든 것이 구조적으로 유사한 수직적 사용 사례임에도 불구하고, 선도적인 연구소에서 수평적인 무언가를 만들었기 때문에 마땅히 받아야 할 지지를 받지 못하는 것은 믿을 수 없을 만큼 좌절스럽습니다. 오픈소스 이야기 전반에 걸쳐서요.