피드로 돌아가기
Dev.toAI/ML
원문 읽기
3종 Gemma 4 모델 최적 배분으로 구현한 Adaptive Task Planning 시스템
Your To-Do List Doesn't Know You — So I Gave Mine Three Brains
AI 요약
Context
기존 To-do 앱의 정적 스케줄링 방식은 사용자의 실제 수행 능력과 변수를 반영하지 못하는 한계 존재. 마감 기한 임박 시 발생하는 병목 현상과 실행 단계의 파편화 문제를 해결하기 위한 동적 계획 수립 체계 필요.
Technical Solution
- Task 성격 및 연산 비용에 따른 Gemma 4 모델의 계층적 배치(31B Dense, 26B MoE, 2B) 설계
- 31B Dense 모델을 활용한 고차원 Reasoning 기반의 마이크로 태스크 분할 및 시간 추정 로직 구현
- 26B MoE 모델 기반의 Multi-domain Synthesis를 통한 Mermaid Flowchart 생성 및 시각화 자동화
- 2B 모델을 통한 저지연(Low-latency) 리플래닝 루프 구축으로 사용자 이탈 방지 및 스케줄 최적화
- MCP(Model Context Protocol)를 통한 Notion workspace와 Cursor IDE 간의 상태 동기화 및 실행 자동화
- 실시간 진척도에 따른 Pressure 및 Risk Score 산출 알고리즘 적용으로 정량적 상태 모니터링 구현
실천 포인트
1. 추론 비용과 지연 시간이 중요한 재계산 로직에는 소형 모델(2B class)을 우선 검토할 것
2. 정교한 계획 수립이 필요한 Cold-path에는 고성능 Dense 모델을 배치하여 품질을 확보할 것
3. LLM 결과물을 외부 도구(Notion, Excalidraw)와 동기화하여 Planning-Execution 간 간극을 최소화할 것