Reddit

A 4B model made me a netherite ingot from bare hands. All I did was type one sentence in chat.

마인크래프트 한 문장 명령을 수행한 4B 모델, 실제로 맡은 일은 선택 판단

Mica는 자연어 요청을 여러 선택형 질문으로 나눠 목표와 수량을 고르고, 게임 봇은 그 판단에 따라 자원 채집과 제작을 실행합니다. 공개된 영상은 한 요청의 시연이며, 다양한 임무의 전체 성공률은 제시되지 않았습니다.

본문

마인크래프트에서 플레이어가 "돼지고기 3개 이상과 네더라이트 주괴를 만들어 달라"고 입력하자, 4B 모델 Mica가 요청을 해석하고 봇이 맨손부터 재료를 모아 물건을 전달하는 영상이 공개됐습니다. 이 시연이 보여주는 것은 모델 하나가 게임 화면을 계속 읽고 행동을 직접 생성하는 방식이 아니라, 판단 모델과 게임 실행 프로그램을 연결한 구성입니다.

Mica는 무엇을 판단하나요?

Mica는 주어진 상태와 질문, 허용된 답안 목록을 입력받아 각 답안의 확률을 반환합니다. 자유 형식의 계획이나 게임 명령문을 생성하지 않으며, 출력 토큰도 만들지 않습니다. 개발자는 요청에서 아이템 종류와 개수, 수신 대상 등을 찾도록 질문 틀을 마련했고, 선택지는 게임 데이터와 요청에 나온 숫자에 맞춰 채웠다고 설명했습니다. 각 답변을 바탕으로 다음 질문을 이어가며 목표를 좁힙니다.

채집과 이동, 제작은 별도의 봇이 맡습니다. 개발자 설명에 따르면 제작 계획 프로그램이 현재 실행 가능한 행동을 제시하고 Mica가 그중 다음 행동을 선택합니다. 따라서 시연의 결과는 Mica의 판단뿐 아니라 질문 구성과 선택지 제공, 실행 프로그램이 함께 작동한 결과입니다. 개발자는 다락방 상자에 물건을 넣는 요청처럼 현재 목표 유형에 포함되지 않은 작업에는 목표 유형을 추가하거나 더 큰 언어 모델로 넘기는 방식을 언급했습니다.

영상이 증명하는 범위

영상은 한 문장 요청에서 두 목표를 파악하고, 네더라이트 주괴 제작과 음식 전달까지 이어간 사례입니다. 여러 형태의 요청을 고정된 테스트셋으로 시험해 처음부터 끝까지 임무를 완료한 비율은 공개 자료에 없습니다. Mica의 JDI 0.3 점수 58.8과 JevBench Hard 84/111은 모델 카드에 적힌 별도 평가 결과로, 마인크래프트 임무 성공률을 뜻하지 않습니다.

시연 설명은 AMD RX 6600 XT에서 실행했다고 밝히며, 영상 패널의 결정 시간은 RTX 3090 추정치라고 표시합니다. 저장소의 별도 속도 표는 NVIDIA RTX 6000 Ada에서 측정한 값입니다. 이 수치들은 측정 장비와 조건이 다르므로 같은 실행 속도로 읽을 수 없습니다. Mica 서버는 NVIDIA CUDA와 llama.cpp 기반 GGUF 실행 경로를 제공하며, AMD와 Intel, Apple 환경에서도 llama.cpp 백엔드를 이용하는 방법을 안내합니다.

자료: GitHub, Reddit / 정리·해설: Trawling

참고 자료

원문 보기 ↗토론 보기 ↗