정의
알고리즘적으로 명확한 reward function을 정의할 수 없는 데이터 영역. 주관적 판단, 취향, 맥락, 미적 감각 등 기계가 참/거짓을 고유하게 결정하기 어려운 도메인을 말한다. 프런티어 모델이 synthetic data를 자동 생성할 수 없으며, 오직 인간의 피드백이나 실제 환경에서의 closed-loop 상호작용을 통해서만 label을 얻을 수 있다.
핵심 속성
- Verification 불가능성: 명시적인 정답이 없어 algorithmic reward를 부여할 수 없음.
- 인간 참여 필수: label은 인간의 판단, 선호, 또는 환경 반응을 통해 생김.
- 환경 의존성: closed-loop system (서비스, 시뮬레이터) 없이는 데이터를 생성·수집할 수 없음.
- Moat 형성: 프런티어 모델이 쉽게 복제할 수 없는 proprietary data의 실질적 원천.
관계
- verifiable-reward-domain — 대조: 수학·코딩 등 algorithmic verification이 가능한 영역 (프런티어 모델이 자동 지배)
- closed-loop-data-strategy — 연장: non-verifiable domain에서 label을 뽑아내는 설계 원리 (garden)
- proprietary-data-redefinition — 연장: proprietary data의 본질을 non-verifiable domain으로 재정의한 분석 (garden)
인용
“검증 불가능한 영역으로 도망가면 되겠구나. … 프런티어 모델들은 굉장히 많은 양의 verifiable data domain을 다 외우고 있고 이해하고 있을 뿐만 아니라, 검증 가능한 영역은 스스로 탐색할 수 있다. 따라서 검증 불가능한 영역에서만 진정한 차별화가 가능하다.”