원본 hyperresearch(Claude) vs hyperresearch-codex(lean) · 같은 질문

2026-09-13 · 질문: DRB #67 "sparse rewards·constraints 하의 RL 탐색 연구 진전과 궤적 계획 시사점" · 평가자: Claude 세션이 두 보고서를 읽고 RACE 4축으로 판단(비공식, Codex 사용량 0)

한 줄 결론
같은 질문에 원본은 11,209단어·출처 97개·약 2시간(Opus 4.7, Full 16단계)짜리 "서베이"를, 우리 lean은 1,978단어·출처 12개·11분·입력 127만 토큰짜리 "브리프"를 냈다. 포괄성·통찰은 원본이 확실히 위, 지시 준수·가독성·검증 가능성은 우리가 앞선다. "원본을 이겼다"고 말하면 안 되고, "같은 돈의 10분의 1 이하로 결정용 브리프를 낸다"가 정직한 문장이다.

0. 이 비교의 한계

공식 RACE 채점이 아니다. 원본 58.3점은 저자 자체 채점(Gemini 심판, n=9)이고 우리 쪽 점수는 없다.
조건이 다르다: 원본 standard 이상(출처 97) vs 우리 lean(출처 12, 초안 2, 비평 3). 우리 standard Full로 돌리면 격차는 줄겠지만 토큰이 2배 든다.
평가자(Claude)는 우리 도구를 만든 쪽이라 편향 가능성이 있다. 그래서 아래는 유리한 쪽이 아니라 불리한 쪽부터 적었다.
우리 실행에서 PDF 3건이 건너뛰어졌다(pypdf 미설치). 이제 기본 의존성으로 넣었다.

1. RACE 4축 비교 (평가자 판단)

축	원본	hyperresearch-codex lean	판정
포괄성	6개 대절, 97개 출처, 두 탐색 체제(희소 보상·제약)를 각각 방법 계보까지 정리	12개 출처(arXiv 9·PMLR 3, 전부 1차)로 두 체제와 궤적 계획 시사점을 각 2~4문단	원본 압승. 출처 8배
통찰	"희소 보상은 커버리지 문제, 제약은 표현 문제"라는 프레이밍, noisy-TV 같은 실패 양상 설명	"목표 지향 커리큘럼·불확실성 인식 계획·안전 제어기"로 정리, 결합 보장은 없다고 선 그음	원본 우세. 우리는 정리에 가깝다
지시 준수	질문의 두 부분(연구 진전·궤적 계획 시사점) 모두 답함. 다만 시사점 절이 전체의 일부	첫 줄에 질문 원문, 답→근거→반대 근거·한계→다음 행동 구조로 두 부분에 직접 답함	우리 소폭 우세(구조가 질문을 따라감)
가독성	길고 밀도 높음. 전문가에겐 좋고 결정권자에겐 부담	2천 단어, 결론 먼저, 한계 목록화	우리 우세(용도가 다름)
검증 가능성(RACE 밖)	인용 번호 97개, 일부는 제목만	인용 표본 6/6 지지, 출처 상세표(게시일·독립 묶음·인용 여부), 한계에 "확인 안 됨" 명시	우리 우세

2. 비용·시간

	원본	우리 lean
모델	Opus 4.7 + Sonnet 4.6, Claude Code	gpt-6-astra, codex exec
호출·시간	16단계 다수 서브에이전트, 약 2시간	14회, 모델 시간 11.2분
토큰	미공개	입력 1,273,850(캐시 767,488)·출력 17,692·요금 상한 $13.6

3. 이번 실행에서 잡은 결함과 조치 (토큰 0)

내부 파일을 출처처럼 인용: [_digest.md; interim/L1.md; S6] 11건. → 정리기 추가(대괄호 안 S만 남기고, 없으면 "(no source)"), 프롬프트에 금지 문구. 최종 보고서에 소급 적용.
"(judgment)" 표시 소실: 초안 4개 → 다듬기 뒤 0개. 모델이 표시를 별도 줄에 두어 다듬기가 지움. → 보존 게이트(수정·다듬기 뒤 개수 감소 시 거부) + "같은 줄에" 지시.
PDF 3건 건너뜀(arXiv·Springer·ACL). → pypdf 기본 의존성, arXiv pdf 링크는 abs 페이지로 자동 전환.
arXiv 편중 67% 경고는 학술 질문이라 정상.

4. 그래서 어느 수준인가

개인 사용: 결정 전 조사 메모·정책 점검표·모델 선택표 용도로는 지금 lean/Light가 충분하다(오늘 4건 모두 완주, 인용 검사 통과).
오픈소스: "서베이 생성기"가 아니라 "출처 검증이 붙은 브리프 생성기"로 설명하면 정직하다. README 첫 줄을 그렇게 고쳤다.
원본과 겨루려면: standard Full + 출처 30개 + PDF + 초안 3개가 필요하고 토큰은 3~4배. 그건 사용자가 필요할 때 켜는 옵션이지 기본값이 아니다.