러스트 기반 자체 호스팅 컨텍스추얼 밴딧: 적응형 의사 결정 시스템을 위한 신트라와 라이칸

두 개의 새로운 오픈소스 프로젝트는 Python ML 스택 없이 프로덕션 시스템에 컨텍스추얼 밴딧 기능을 도입하는 것을 목표로 합니다. Lycan은 작은 그래프 실행 언어로, 전략 노드가 일급 요소입니다. 동일한 계약에 대해 여러 구현을 정의하면 런타임이 결과 피드백으로부터 가중치를 학습합니다. Rust 런타임에서 실행되는 바이너리 그래프로 컴파일되며, 핫 패스에 LLM이 없습니다.

Syntra는 컴파일된 Lycan 캡슐을 제공하는 자체 호스팅 Docker/API 어플라이언스입니다. 주요 기능:

• 멀티 테넌트, 섀도우 모드 우선 설계
• contextKey별 컨텍스트 학습
• 영구 파일시스템 저장소
• 분리된 감사, 결정, 피드백 로그
• MVP YAML 작성 레이어 (기본 Lisp 작성 불필요)

명시된 사용 사례: 최적의 선택이 컨텍스트에 따라 달라지고 결과가 나중에 도착하는 반복 결정 — LLM 모델 라우팅, 재시도/타임아웃 정책, 큐 선택, 임계값 조정.

MoEFolio.ai (30일 시장 결정 결과가 있는 공개 AI 주식 토론 패널)에서 직접 사용하면서 첫 번째 놀라움을 발견했습니다. contextKey 스키마가 모든 섹터를 unknown으로 축소하고 있었는데, 섹터 조회가 세 개의 입력 경로 중 하나에서만 심볼을 해석했기 때문입니다. 밴딧은 명목상 5차원이었지만 실제로는 2차원으로, 섹터 간 평균을 학습하고 있었습니다. 적응형 시스템에서 대부분의 작업은 알고리즘이 아닌 데이터 파이프라인을 수정하는 것입니다.

Apache-2.0 라이선스, 매우 초기 단계입니다. 저자는 프로덕션에서 밴딧을 작업해본 사람들의 의견을 환영합니다.