공개 저장소 · 연구 프로토타입
TRIAD
Teacher-Routed Interaction-Adaptive Distillation. 고정된 Teacher와 사용자별 LoRA를 활용해, 상호작용에서 지속적으로 학습하는 개인화 연구 프로토타입입니다.
YUKIUSA LAB / PROJECTS
프로젝트
도구와 AI 시스템, 실험적인 아이디어를 실제 코드로 만듭니다.
목적 · 문제
대화 경험이 프롬프트나 메모리에만 남는 대신, 사용자별 학습 가능한 가중치에 축적될 때 모델이 어떻게 달라지는지 탐구합니다. 변화가 항상 개선이라는 가정은 두지 않습니다.
구현한 것
고정된 Teacher, 공유하는 frozen base, 사용자별 LoRA 어댑터를 연결한 로컬 연구 CLI입니다. 온라인 업데이트, replay, 체크포인트와 복원, 학습 전후 비교를 하나의 실험 흐름으로 제공합니다.
Teacher → Student
고정된 Teacher가 상호작용을 학습 목표로 해석합니다. Student는 기반 모델을 고정한 채 사용자별 LoRA를 실제 역전파로 업데이트합니다.
경험을 이어가는 학습
사용자별 어댑터와 replay memory를 유지하고, 체크포인트와 롤백으로 학습 상태를 관리합니다.
변화를 살펴보는 도구
개인화 전후의 변화와 drift를 비교하는 흐름을 포함합니다. Python, PyTorch, Transformers·PEFT와 Teacher 추론용 Ollama를 사용합니다.
저장소 README를 바탕으로 한 소개입니다. 개인화는 응답을 개선할 수도, 왜곡하거나 악화할 수도 있습니다. 작은 오프라인 데모는 업데이트·저장·평가 흐름을 확인하며, 자연어 품질을 보장하지 않습니다.
FUTURE RESEARCH
Self-Improving Humanoid Robot
장기 연구 비전 · Coming Soon
신경망으로 로봇의 상태와 경험을 학습하고, 장기적으로 경험을 통해 스스로 개선해 나가는 휴머노이드 시스템을 연구하려는 비전입니다.
아직 구현된 프로젝트나 검증된 기능이 아닙니다. Embodied AI, Vision-Language-Action, Robot Foundation Model과 Continual Learning을 연결하는 미래 연구 방향입니다.