AI
반자동에서 전자동으로: 넷츠프레소가 에이전트로 모델 최적화하는 법
두줄요약
넷츠프레소 에이전트는 자연어 목표를 해석하고 HPO로 모델 최적화 조합을 탐색합니다. 가드레일과 검증으로 재현성을 확보하며 전문가 수준의 결과를 비교했습니다.
문제 상황
- CLI와 YAML 설정 기반 모델 최적화에서 양자화 알고리즘·비트 조합을 직접 결정해야 하는 부담
- 정확도·속도·모델 크기·타깃 디바이스 조건을 함께 맞춰야 하는 방대한 탐색 공간
구조와 흐름
- 자연어 목표 입력을 에이전트가 모델·디바이스·런타임·성능 제약의 구조화된 목표로 해석
- HPO 모듈이 이전 시도 결과를 바탕으로 유망한 양자화 조합을 탐색
- 결과 확인 후 정확도·크기 등의 피드백에 따른 최적화 레시피 재탐색
선택 이유
- 지원되지 않는 하드웨어 조합과 연산 누락을 성공으로 오인하는 범용 에이전트의 조용한 실패 위험
- 사전 검증 동작과 유효성 정책 가드레일을 통한 재현성 확보
성능/운영 포인트
- 모델당 40회 탐색에서 5개 CV 분류 모델 중 4개가 전문가 최적화 정확도와 동등 수준
- mobilenet_v3_large에서 전문가 결과 대비 top-1 정확도 1.67%p 향상
- 특정 모델·하드웨어·설정 조합에 한정된 벤치마크 수치와 환경별 성능 차이
