이미지 AI가 스스로 고친 경험으로 학습, UniEvo-VL 공개

이미지 생성 AI가 자기 결과를 평가하고 고친 내용을 학습에 쓰는 훈련 방법 ‘UniEvo-VL’이 공개됐다. Fang Wu 등 연구진 19명은 9월 30일 공개한 논문에서 이미지 생성 모델 Qwen-Image-2512를 바탕으로 실험한 결과를 보고했다.

고친 경험을 어떻게 배우나

이미지를 만든 뒤 받은 수정 지침을 그다음 학습에 쓰는 것이 핵심이다. 먼저 이미지와 글을 함께 이해하는 모델이 생성된 이미지를 평가하고 고칠 내용을 정한다. 이어 수정 지침을 받은 ‘교사’ 모델이 내놓는 예측을, 원래 요청만 받은 ‘학생’ 모델이 따라 배우도록 훈련한다. 학생 모델은 이미지를 만드는 과정에서 이 정보를 익힌다.

이미지를 만든 뒤 따로 고쳐 주는 방식과 달리, UniEvo-VL은 수정 지침의 효과를 모델 안에 남긴다. 사용자가 처음 입력한 요청만으로 이미지를 만들 때도 학습한 내용을 쓰도록 한 구조다. 더 큰 교사 모델을 따로 두는 대신, AI가 스스로 내린 평가를 학습 재료로 삼는다는 구상이다. 실제 실험에서는 모델 전체를 다시 학습시키지 않고 일부만 손보는 방식으로 훈련했다.

점수는 얼마나 올랐나

연구진이 쓴 이미지 생성 성능 시험 GenEval에서 훈련 뒤 점수가 높아졌다. 기본 모델은 0.747, AI가 스스로 만든 피드백으로 훈련한 모델은 0.808이었다. 수정 결과를 한 번 더 검증한 뒤 학습시킨 모델은 0.818을 기록했다. 피드백을 만드는 데 더 성능이 좋은 외부 모델 GPT-5.6-Luna를 쓴 별도 실험에서는 0.882가 나왔다. 피드백을 만드는 평가 모델과 학습 사례를 고르는 방식에 따라 결과가 달랐다.

다른 모델과 나란히 놓은 표에서는 검증을 거친 UniEvo-VL의 점수가 0.82로 제시됐다. BAGEL의 0.82와 같고, LongCat의 0.87보다는 낮다. 연구진은 검증을 거친 훈련에 H200 GPU 4개를 사용했다. 모으려 한 사례 가운데 실제 훈련에 쓰인 비율은 약 10~21%였다.

개선이 모든 과제에서 나타난 것은 아니다. 검증 없이 훈련했을 때 글자 표현 점수는 기본 모델의 0.771에서 0.761로 내려갔다. 이미지 전체 점수가 올라도 이미지 안에 글자를 그려 넣는 능력은 나빠질 수 있다는 뜻이다. 연구진은 평가 모델이 잘못 판단할 가능성과 자동 평가의 한계를 논문에 함께 적었다.

쓰는 사람에게는 무엇이 달라지나

이 연구가 노리는 변화는 처음 요청 한 번으로 이미지를 만들 때의 품질이다. 이미지를 만든 뒤 수정을 거쳐 얻은 개선을 학습에 남기는 데 초점을 맞췄다. 논문에는 서비스 출시일과 가격, 모델 파일과 코드의 배포 일정이 담기지 않았다.

UniEvo-VL은 AI가 자기 결과를 평가하고 고치는 과정을 다음 학습의 재료로 쓰는 방법을 제시했다. 다만 평가 방식에 따라 개선 폭이 달랐고, 일부 능력은 오히려 떨어졌다. 앞으로 볼 점은 더 다양한 요청에서도 개선이 이어지는지, 글자 표현처럼 점수가 내려간 과제를 어떻게 보완하는지다.