확인한 것만 기록한다.
2026-11-23 · 00:14 KST / 15:14 UTC한국어 | EN검색 /

속보01 / AI

애플 KeyNet, 회사 공개 수치로 검색 최대 약 8배 단축

질의 분포를 미리 학습해 RAG 검색 비용을 줄이는 연구로, 사전 학습 시간은 공개 글에 없다.

데이터센터의 열린 서버에서 줄지어 꽂힌 저장장치 중 몇 개에만 호박색 작동 표시등이 켜져 있고, 뒤쪽에는 엔지니어의 뒷모습이 흐릿하게 보인다. AI 생성 이미지

애플이 11월 5일 소개한 KeyNet은 고정 데이터베이스에서 검색 시간을 회사 공개 수치로 최대 약 8배 줄였다. 기준은 99% 재현율(정답을 찾은 비율) 도달 시간으로, 애플 연구 글에 적혀 있다.

ICML 2026 논문에서 애플 연구진은 최대 내적 검색에 소형 신경망을 썼다고 밝혔다. 이 검색은 RAG(문서를 찾아 질문에 붙이는 방식)의 핵심이다. 신경망은 데이터베이스마다 오프라인에서 한 번 학습해 검색을 앞당기는 구조다.

두 모델. 애플에 따르면 SupportNet은 묶음(클러스터)별 최고 점수 예측 모델이다. 이 점수가 질의를 보낼 곳의 기준이다. KeyNet은 최적 키를 예측해 바뀐 질의를 역파일 색인(IVF)에 넣는 모델이다.

애플의 시험 대상이 Natural Questions 문단 약 2.6M개라는 점은 연구 글에서 확인된다. KeyNet 최대 모델의 99% 도달은 회사 공개 수치로 약 8배 단축(1.8ms→0.23ms)됐다. SupportNet 소형의 묶음 선택 재현율 95% 도달은 회사 공개 수치로 약 1.9배 단축(3.36ms→1.74ms)됐다.

애플은 추론 속도가 병목이면 KeyNet을 쓰라고 적었다. 보정된 점수가 필요하면 SupportNet을 권했다. 키가 매우 많은 시스템에는 두 모델이 모두 필요할 수 있다고도 적었다.

비교 기준. 기존 IVF는 질의를 중심점과 비교해 보낼 곳을 정한다고 애플은 설명했다. 전체의 5%만 훑을 때 묶음 선택 재현율은 회사 공개 수치로 중심점 87.5%, SupportNet M 92.6%다. 앞선 시간 수치에 신경망 실행 비용이 포함된 점은 애플 글에 적혀 있다.

애플은 이 글에서 사전 학습 시간과 자사 제품 적용 여부를 밝히지 않았다.