"AI 냄새 싹 뺐습니다"… 특유의 문체 교정해 공개된 모델 화제

요약 한 해외 개발자가 AI 특유의 작위적인 문체, 이른바 'AI 냄새(AI slop)'를 학습 단계에서 완전히 제거한 소형 언어 모델 'qwen3-4b-deslop'을 공개해 개발 커뮤니티에서 큰 관심을 끌고 있습니다. AI가 작성한 글에는 흔히 엠 대시(—) 기호 남발, "~가 아니라 바로 ~입니다(not X, but Y)" 식의 진부한 대조 화법, 3가지 항목 나열, 자문자답, 'delve'나 'seamless' 같은 특정 단어 과용 등 뚜렷한 특징이 나타납니다. 개발자는 이러한 습관들을 감지해 점수를 매기는 탐지기를 자체 제작했습니다. 일반적인 인간 작가의 글은 1,000단어당 '슬롭 점수'가 15점 미만(정교한 글은 0점에 수렴)으로 나오는 반면, 원본 Qwen3-4B-Instruct 모델은 평균 121점이라는 높은 수치를 기록했습니다. 개발자는 맥북 에어(MacBook Air) 환경에서 지식 증류(Distillation)와 소형 LoRA 어댑터를 활용해 이를 개선했습니다. 특정 뉴런 4개의 부호를 반전시켜 상투적 대조 표현의 70%를 없애고, 교사 모델이 생성한 답변 중 필터링을 거친 우수 데이터만 학생 모델에 학습시키는 과정을 거쳤습니다. 시행착오도 있었습니다. 2회차 학습 모델의 경우 슬롭 점수는 9.9점까지 떨어졌지만, 문맥에 맞지 않는 엉뚱한 허위 연구 결과를 인용하거나 모든 문장을 ', which'로 연결하는 등 또 다른 부작용이 발생했습니다. 이에 개발자는 3회차에서 질문의 의도에 제대로 부합하는지 검증하는 규칙 기반 필터를 추가해 문제를 해결했습니다. 최종 배포된 모델은 학습에 사용되지 않은 40개 평가 프롬프트에서 슬롭 점수가 121점에서 12.5점으로 급감했으며, 전체 답변의 68%가 인간 작문 수준 점수 범위에 들어왔습니다. 특히 엠 대시 빈도는 1,000단어당 20.5회에서 0회로 완전히 사라졌습니다. 그러면서도 사실 관계 퀴즈 30문항을 모두 맞히는 등 모델 고유의 지식과 성능은 온전히 유지했습니다. 현재 Ollama 및 GGUF 포맷(2.5GB)으로 배포되어 일반 노트북에서도 바로 구동할 수 있습니다.