Coral Protocol은 Microsoft가 지원하는 Magnetic-UI보다 GAIA 벤치마크에서 34% 더 뛰어난 성능을 보였습니다

이 게시글 내용:

• Coral Protocol은 GAIA 벤치마크에서 Microsoft 지원 Magnetic-UI보다 34% 더 높은 성능을 보였습니다.
• 이 프로토콜은 AI 모델 개발의 현재 추세에 도전하는 지능의 수직적 확장보다는 수평적 확장에 초점을 맞춥니다. 
• Coral 프로토콜은 다른 검증된 소형 모델 시스템 중에서 가장 높은 GAIA 점수를 달성했습니다.

다중 에이전트 AI 시스템인 Coral Protocol은 오늘 GAIA 벤치마크에서 Microsoft의 Magnetic UI보다 34% 더 높은 성능을 기록했습니다. 이 프로토콜 방식은 수직적 확장보다는 수평적 확장에 중점을 두어 현재 AI 모델 트렌드에 새로운 도전 과제를 제시합니다. Coral은 검증된 다른 소규모 모델 시스템 중 가장 높은 점수를 달성했습니다. 

Coral 프로토콜이 달성한 현재 벤치마크 점수는 논문 , 지능적으로 조율된 소규모 모델이 효율성을 저하시키지 않으면서 대규모 시스템보다 뛰어난 성능을 발휘할 수 있다는 Nvidia의 관점을 뒷받침합니다. Coral 프로토콜은 전 세계에 분산된 에이전트들의 계층적 통합을 강조했습니다. 이를 통해 안전하고 병렬적인 다중 에이전트 협업이 가능해짐으로써 다양한 언어 모델의 성능을 향상시켰습니다. 결과적으로 모델의 추론, 계획 및 문제 해결 능력이 개선되었습니다.  

Coral CTO는 에이전트 개발자에게 에이전트를 'Coralize'하도록 촉구합니다.

Coral의 CTO인 카엘럼 포더(Caelum Forder)는 이번 성과가 수평적 확장이 더 이상 이론적인 것이 아니라 실질적인 것임을 입증하며, Coral이 이를 효과적으로 추진하고 있다고 자랑했습니다. 그는 에이전트 인터넷(Internet of Agents)이 이미 실현 가능한 현실이라고 말하며, 에이전트 개발자들이 에이전트를 'Coralize'할 것을 촉구했습니다. 또한 애플리케이션 개발자들은 Coral 인프라를 활용하여 효과적으로 구축하고 비용을 절감할 것을 당부했습니다. 

에이전트 개발자들은 복잡한 작업을 관리하고 에이전트 AI 개발 경쟁에서 우위를 점하기 위해 모델 크기를 늘리는 데 집중해 왔습니다. Coral의 새로운 접근 방식은 소규모로 조율된 모델이 대규모 시스템의 성능을 충족하거나 심지어 능가할 수 있는 새로운 방식을 제시했습니다. 

GAIA 벤치마크는 고급 AI 모델을 평가하고, 인간의 개입, 연구 및 분석 기술이 필요할 수 있는 실제 작업 수행 능력을 평가합니다. 이 벤치마크는 문제 해결 및 일반 지원 사용 사례에서 AI 에이전트의 역량을 테스트하도록 설계된 450개의 복잡한 질문으로 구성되어 있습니다. 

테스트에 사용된 Coral GAIA 에이전트 시스템은 Coeal의 개방형 프로토콜을 기반으로 구축되었으며, CAMEL의 OWL에서 영감을 받았습니다. 특수 에이전트를 사용하여 작업을 수행합니다. 이 시스템은 검색 계획, 이미지 및 비디오 분석, 비평, 웹 브라우징 및 답변 생성을 수행할 수 있습니다. 에이전트는 Coral 서버의 MCP 통신 도구를 통해 통신합니다.

그래프 기반 아키텍처, AI 에이전트 시스템에서 획기적인 발전 발견

GAIA 벤치마크에서 Coral 프로토콜의 성공 이후 그래프 기반 아키텍처가 주목받았습니다. 이 아키텍처를 통해 개발자는 더 작은 모델로 구동되는 강력하고 가벼운 AI 에이전트를 개발할 수 있습니다. 그래프 기반 아키텍처를 기반으로 구축된 시스템은 에이전트 간의tron강력한 상호 연결성과 더 넓은 생태계와의 호환성을 지원합니다. 

코럴의 CTO인 카엘럼 포더는 소형 모델이 기존 한계를 넘어 확장 가능하고 기존 모델보다 우수한 성능을 발휘할 수 있음을 입증했다고 덧붙였습니다. 그는 코럴이 에이전트 AI의 미래에서 핵심적인 역할을 수행할 것이라는 확신을 드러냈습니다. 

그래프 기반 AI는 다양한 응용 분야에서 활용되어 왔습니다. MIT의 마커스 뷰러는 개발했습니다 . 이 AI 시스템은 자연계와 예술계가 구성되는 방식에 깊은 연관성이 있음을 시사하는 공통적인 복잡성 패턴을 발견했습니다. 

뷰엘러의 모델은 또한trac미술에서 영감을 받은 생체재료와 같은 현실 세계의 혁신을 제안했으며, 그래프 기반 AI가 창의적인 혁신을 주도할 수 있음을 증명했습니다.