GPU Survivors는 대규모 언어 모델(LLM)의 추론 메커니즘과 하드웨어 성능 제약을 시뮬레이션하는 웹 기반 게임이다. 플레이어는 GPU 역할을 수행하며 추론 중 발생하는 이상 데이터나 적대적 토큰 분할 등의 위협으로부터 시스템을 방어해야 한다. 난이도는 총 3단계로 구성되는데, 생명력 6개와 속도 2.8의 Enterprise API 모드, 생명력 5개와 속도 2.5의 Consumer GPU 모드, 그리고 가장 어려운 생명력 4개와 속도 2.1의 Smart Toaster 모드 중 선택할 수 있다.

게임은 실제 머신러닝 개념을 게임 플레이에 밀접하게 매핑했다. 코사인 유사도를 나타내는 화살표는 벡터 정렬 시 60%의 공격력 보너스를 제공하며, 모델 가중치를 낮은 정밀도 정수로 변환하는 양자화는 기본 공격력을 희생하는 대신 공격 속도를 높이는 업그레이드로 구현됐다. 또한 가중치 감소와 노드 드롭아웃은 피격 판정을 줄이거나 피해를 회피하는 메커니즘으로 사용된다. 적대적 토큰은 모델의 안전 가이드라인을 우회하려는 탈옥 공격을 묘사하며, 이는 RLHF로 구축된 안전 체계를 무력화하려는 시도를 반영한다.

제작사인 UnitBuilds는 실제 모델의 아키텍처적 도전 과제들도 게임에 구현했다. 학습 데이터의 편향이 모델 출력에 영향을 미치는 현상은 이동 벡터를 왜곡하는 필드로 표현되며, KV-Cache는 반복적 텍스트 생성 시 계산 지연을 줄이는 보호막 역할을 한다. 게임 시간 15:00에 등장하는 '하드웨어 성능 저하' 보스는 모든 플레이어가 마주해야 할 최종 단계다. 이 프로젝트는 실제 머신러닝 이론을 활용해 LLM의 동작 방식과 최적화의 필요성을 교육하고자 개발되었다.

GPU Survivors는 대규모 언어 모델(LLM)의 추론 메커니즘과 하드웨어 성능 제약을 시뮬레이션하는 웹 기반 게임이다. 플레이어는 GPU 역할을 수행하며 추론 중 발생하는 이상 데이터나 적대적 토큰 분할 등의 위협으로부터 시스템을 방어해야 한다. 난이도는 총 3단계로 구성되는데, 생명력 6개와 속도 2.8의 Enterprise API 모드, 생명력 5개와 속도 2.5의 Consumer GPU 모드, 그리고 가장 어려운 생명력 4개와 속도 2.1의 Smart Toaster 모드 중 선택할 수 있다.

게임은 실제 머신러닝 개념을 게임 플레이에 밀접하게 매핑했다. 코사인 유사도를 나타내는 화살표는 벡터 정렬 시 60%의 공격력 보너스를 제공하며, 모델 가중치를 낮은 정밀도 정수로 변환하는 양자화는 기본 공격력을 희생하는 대신 공격 속도를 높이는 업그레이드로 구현됐다. 또한 가중치 감소와 노드 드롭아웃은 피격 판정을 줄이거나 피해를 회피하는 메커니즘으로 사용된다. 적대적 토큰은 모델의 안전 가이드라인을 우회하려는 탈옥 공격을 묘사하며, 이는 RLHF로 구축된 안전 체계를 무력화하려는 시도를 반영한다.

제작사인 UnitBuilds는 실제 모델의 아키텍처적 도전 과제들도 게임에 구현했다. 학습 데이터의 편향이 모델 출력에 영향을 미치는 현상은 이동 벡터를 왜곡하는 필드로 표현되며, KV-Cache는 반복적 텍스트 생성 시 계산 지연을 줄이는 보호막 역할을 한다. 게임 시간 15:00에 등장하는 '하드웨어 성능 저하' 보스는 모든 플레이어가 마주해야 할 최종 단계다. 이 프로젝트는 실제 머신러닝 이론을 활용해 LLM의 동작 방식과 최적화의 필요성을 교육하고자 개발되었다.