국가대표 인공지능(AI)을 목표로 하는 국내 팀들의 기존 대형언어모델(LLM)이 수학 수능 및 논술 문제 풀이에서 해외 모델에 비해 성능이 낮은 것으로 분석됐다.
김종락 서강대 수학과 교수 연구팀은 국내 5개 팀의 주요 LLM과 챗GPT 등 해외 5개 모델에게 수능 수학 20문제, 논술 30문제를 풀게 했다.
연구팀은 공통과목, 확률과 통계, 미적분, 기하에서 가장 어려운 문항 5개씩을 뽑아 20문제를 설정하고, 국내 10개 대학 기출 문제와 인도 대학 입시 10문제, 일본 도쿄대 공대 대학원 입시 수학 10문제 등 30문제를 설정해 총 50개 문제를 10개 모델에 풀게 했다.
한국 모델로는 업스테이지의 ‘솔라 프로-2’, LG AI연구원의 ‘엑사원 4.0.1’, 네이버의 ‘HCX-007’, SK텔레콤의 ‘A.X 4.0(72B)’, 엔씨소프트 경량모델 ‘라마 바르코 8B 인스트럭트’를 활용했다.
해외 모델에는 GPT-5.1, 제미니 3 프로 프리뷰, 클라우드 오푸스 4.5, 그록 4.1 패스트, 딥시크 V3.2 등이 활용됐다.
그 결과 해외 모델은 76~92점을 받았지만, 한국 모델은 솔라 프로2만 58점을 받았을 뿐 나머지는 20점대 낮은 점수를 기록했다.
라마 바르코 8B 인스트럭트는 2점으로 가장 낮은 점수를 받았다.
연구팀은 “국내 5개 모델의 경우 단순 추론으로는 문제를 대부분 풀지 못해 파이선을 툴로 사용하도록 설계해 문제 적중률을 높였음에도 이런 결과가 나왔다”고 설명했다.
이어 연구팀은 대학교 수준부터 교수급 논문 연구 수준까지 난이도를 세분화한 자체 문제 세트 ‘엔트로피매스’(EntropyMath) 100문제 중 10문제를 구성해 10개 모델에 문제를 풀게 했다.
여기서도 해외 모델은 82점을 받았다.
@Meerae AI 빅데이터 연구소 meerae.info@gmail.com