QGen Engine
One engine, any model, any subject.
Subject-agnostic. Model-agnostic. Korean-first. The pipeline that produces every Curea question, explanation, and variant — Stamp 1 · Stamp 2 · teacher-approved before student delivery.
AI에게 자기가 만든 문제를 검수하라고 시키면, 자기 실수를 스스로 눈감아줍니다.— Curea Engineering
AI 하나에게 시험 문제를 통째로 맡기면, 그 AI가 잘 모르는 부분에서 조용히 틀립니다. 더 큰 문제는 — 그 AI에게 자기가 만든 문제를 검수하라고 시키면, 자기 실수를 스스로 눈감아줍니다.
Curea는 그래서 단계마다 다른 AI를 씁니다. 문제를 처음 만드는 AI와 그 문제를 의심하는 AI를 분리하고, 가능하면 서로 다른 벤더나 모델 계열을 배치합니다. 생성 라인의 모델군과 검증 라인의 모델군이 의도적으로 분리되어, 두 라인이 같은 판단 편향을 공유하지 않도록 설계합니다.
단일 모델이 생성과 검증을 겸하면 self-bias가 발생합니다. Curea는 생성 단계와 판정 단계를 분리하고, 판정 특성이 다른 모델 패밀리를 의도적으로 섞어 blind spot을 줄입니다.
빠르고 많이 vs. 느려도 정확. 한 모델이 이 스펙트럼 전체에서 최적일 수 없습니다. AWS Step Functions 기반 상태 기반 워크플로가 단계 전이를 제어하고, 단계마다 맞는 모델이나 프로바이더를 호출합니다.
단일 추상화 계층 위에서 실시간 호출, Batch API, 이미지, TTS, 임베딩이 모두 동일 인터페이스로 다뤄집니다. 어떤 벤더가 어느 단계를 맡고 있는지는 운영 팀이 분기마다 재평가합니다. 모델은 고정 자산이 아니라 교체 가능한 실행 슬롯입니다.