← AI 용어집

AI 용어집 · 기초 · 전통 ML·추천·검색 · 데이터·평가 · AI 보안

Test-Time Adaptation 테스트 시점 적응

테스트 시점 적응(TTA, Test-Time Adaptation)은 이미 학습을 마치고 배포한 모델이 실제로 들어오는 새 데이터를 보면서 스스로 조금씩 조정하는 기법이다. 정답 라벨 없이도 학습 때와 달라진 데이터에 맞춰 성능을 유지하는 것이 목표다.

용어 정보
난이도
기초 · 소식을 읽을 때 자주 만나는 기술 용어
추가
2026-11-20
쉽게 말하면 서울 말씨만 듣고 자란 사람이 부산에 가서 몇 마디 들어 보며 귀를 맞춰 가는 것과 비슷하다. 누가 정답을 알려 주지 않아도 듣는 동안 스스로 익숙해진다. 다만 사람처럼 뜻까지 새로 배우는 것은 아니고, 모델 안의 일부 설정을 새 환경에 맞게 살짝 고치는 정도라는 점이 다르다.

무엇인가

머신러닝 모델은 학습 데이터와 비슷한 데이터를 만날 때 가장 잘 작동한다. 그런데 실제로 쓰다 보면 입력의 성격이 바뀐다. 새로운 LLM이 나오거나 사람들의 문체가 달라지는 경우가 그렇다. 이렇게 학습 때와 실제 입력 사이에 차이가 생기는 현상을 '데이터 분포 변화(Distribution Shift)'라고 부른다. 테스트 시점 적응은 이 차이를 배포 이후에, 즉 모델이 실제로 쓰이는 '테스트 시점'에 메우려는 방법이다.

어떻게 작동하나

핵심은 정답이 붙지 않은 데이터(비라벨 데이터)만으로 적응한다는 점이다. 모델은 새로 들어오는 입력들에서 통계적 패턴을 읽고, 그에 맞춰 내부 작동 방식의 일부를 조정한다. 흔히 쓰는 방법은 모델 전체를 다시 학습하지 않고 정규화 통계처럼 작은 부분만 고치거나, 모델이 자기 예측을 더 확신하는 쪽으로 살짝 조정하는 것이다. 그래서 새 데이터를 모아 사람이 정답을 달고 처음부터 다시 학습하는 기존 방식보다 훨씬 가볍다.

다시 학습하기 vs 테스트 시점 적응

다시 학습하기배포 전으로 돌아가기

  • 새 데이터를 모아 정답을 단다
  • 모델을 처음부터 다시 학습한다
  • 시간과 비용이 많이 든다

테스트 시점 적응쓰는 중에 맞추기

  • 정답 없는 입력만 쓴다
  • 모델의 일부만 살짝 조정한다
  • 잘못 흘러갈 위험이 있어 따로 평가가 필요하다

공통 둘 다 학습 때와 달라진 데이터에 모델을 맞추는 방법이다

달라진 데이터에 대응하는 두 방법을 비교한 그림이다.

왜 주목받나

세상이 계속 바뀌는 분야에서는 한 번 학습한 모델이 금방 낡는다. 특히 AI가 쓴 글을 찾아내는 탐지기는 '휴머나이저(Humanizer)'처럼 AI 글을 사람 글처럼 바꿔 탐지를 피하는 도구와 계속 경쟁해야 한다. 보도에 따르면 MIT와 코넬대 연구진은 AI 글 탐지기에 TTA를 적용했다. 사람 글처럼 바꾼 AI 글을 기존 상용 탐지기는 약 27%만 찾아냈지만, 새 방법은 93% 이상을 찾아냈다고 밝혔다. 사람의 글쓰기 방식이 시간에 따라 바뀌는 상황을 흉내 낸 실험에서도 정확도가 73%에서 85%로 올랐다고 했다.

AI 글 탐지 성능 변화(보도)

기존TTA 적용

위장한 AI 글 탐지율+66%p
문체 변화 속 정확도+12%p
MIT·코넬대 연구진이 밝힌 수치다. 왼쪽은 기존 방식, 오른쪽은 TTA를 적용한 방식이다.

알아 둘 점

TTA는 모든 문제를 풀어 주는 방법이 아니다. 앞의 연구진도 LLM이 사람 글과 더 비슷한 문장을 쓰게 되거나, 믿을 만한 사람 글을 구하기 어려워지면 탐지에도 한계가 생길 수 있다고 짚었다. 정답 없이 스스로 고치는 만큼 잘못된 방향으로 흘러갈 위험도 있다. 그래서 적응 뒤에는 정답이 확인된 데이터로 따로 성능을 확인하는 과정이 필요하다. 이름이 비슷한 '테스트 타임 컴퓨트'는 추론할 때 계산을 더 써서 답을 다듬는 것이고, TTA는 모델 자체를 새 데이터에 맞추는 것이라 서로 다르다.

예시

이 사이트에 소개된 소식에서 MIT·코넬대 연구진은 AI 글 탐지기에 TTA를 적용했다. 연구진은 사람이 쓴 글, AI가 쓴 글, 탐지를 피하도록 바꾼 글을 섞은 데이터를 정답 없이 탐지기에 보여 주며 적응시켰다. 그 뒤 정답이 확인된 데이터로 성능을 평가했다. 연구진은 학교 과제 검토, 학술 출판물의 작성 주체 확인, 피싱 이메일 탐지 같은 곳에 쓸 수 있을 것으로 전망했다. 이 연구는 NeurIPS 2026에서 발표될 예정이라고 보도됐다.

이 사이트에서 나온 사례

함께 보면 좋은 용어

참고