생성·비평·수정 중 큰 모델이 정말 필요한 단계는 어디입니까

생성(generation)→비평(critique)→수정(revision)으로 도는 self-refinement는 LLM 출력 품질을 올리는 표준 패러다임이자 다수 LLM 에이전트의 핵심 메커니즘입니다. 그런데 세 단계는 요구되는 인지 부하가 서로 다른데도 모델 크기는 대체로 구현 디테일로 취급돼 왔습니다. 저자들은 Qwen3 6개 크기와 Gemma 3 4개 크기로 서로 다른 도메인의 벤치마크 5종에서 단계별 모델 크기 효과를 처음으로 체계적으로 측정했습니다. 결과는 비대칭이었습니다 — 생성기와 수정기는 대체로 클수록 유리하고 특히 수정기가 지나치게 작으면 오히려 성능을 떨어뜨린 반면, 비평가 크기에는 성능이 매우 둔감해 아주 작은 비평가라도 붙이는 편이 비평을 생략하는 것보다 일관되게 나았습니다.