아름H (ALLM.H)

아름H(ALLM.H)는 범용 LLM이 갖는 한국어 임상 맥락의 한계, 할루시네이션, 환자 데이터 외부 유출 리스크를 해결하기 위해 개발된 의료 특화 거대언어모델입니다. 임상 지식을 학습하고 의료 용어·가이드라인에 최적화된 자체 파운데이션 모델로, CPT1→CPT2→SFT+R-Tune→DPO→GRPO의 5단계 정교한 학습 파이프라인을 통해 임상 정확도와 안전성을 끌어올렸습니다.

성능은 세계 1위로 검증되었습니다. 한국 의사국시 벤치마크 KorMedMCQA Doctor에서 96.78%를 기록해 Claude Opus 4·GPT-5.1 등 frontier 모델과 학계 최고팀을 동시에 상회했으며, 이는 한국 의사 국가고시(KMLE) 96.4점 수준입니다. 특히 31B 경량 모델로 이를 달성해 "환자 데이터는 병원 안에, 성능은 frontier 위로"를 입증했습니다. 파라미터 절반 미만(31B vs 73B)으로 상위 성능을 내는 비결은 데이터 큐레이션(848 preference pairs)과 Overfitting 없는 정밀 튜닝(1 epoch) 등 모델 크기를 압도하는 학습 파이프라인입니다.

평가는 의학 지식에 그치지 않습니다. 의학적 전문성(38%)·일반 능력 보존(19%)·임상 워크플로우(23%)·결과 안전성(19%)의 4개 축 130개 임상 프롬프트로 Gemma·MedGemma와 비교한 결과, 종합 평균 9.98점(1위), 환자 안전 10.0점, 의학 오류 유일 0건, 차이 항목 단독 1위 비율 93%를 기록했습니다. 임상 현장 적용에서는 변하지 않는 프로토콜·의학 지식은 Fine-Tuning으로, 최신 가이드라인·환자별 데이터는 RAG로 분리 처리하는 전략을 씁니다.

아름H는 하나의 모델이 아니라 'Model Zoo'입니다. DAPO+RAG 단일 학습 파이프라인 위에서 IR·의도(13B), NL→SQL(14B), Gate(9B), 요약(9B), 임상 NER(9B), 일반 답변(13B), 추론(31B)의 7종 모델군을 생산하며, 진료과별 과제 복잡도에 따라 9B 경량(정형 문서·기록)부터 31B 고성능(복합 임상 추론)까지 '지능의 무게'를 다르게 배치합니다. 전 모델은 H100×8 온프레미스로 병원 내 배포되어 환자 데이터를 외부로 내보내지 않으며, 같은 파이프라인으로 질환별 모델을 계속 추가할 수 있는 AI Factory 구조를 갖추고 있습니다.