WANDR, 리서치 에이전트의 넓고 깊은 탐색 능력을 평가하는 벤치마크 (feat. Perplexity)

9bow · 7월 23, 2026, 11:30오후

WANDR 소개

WANDR(Wide ANd Deep Research)는 Perplexity가 공개한 오픈 벤치마크이자 평가 하네스로, 리서치 에이전트가 지식 노동에서 마주치는 500개의 현실적이고 까다로운 데이터 수집 과제로 구성되어 있습니다. 경쟁사 지형도 그리기, 실사(due diligence), 문헌 조사, 시장 분석, 제품 비교, 인재 소싱처럼 이미 사람들이 리서치 에이전트에게 맡기고 있는 종류의 업무를 담고 있으며, 각 과제는 수십 개에서 수천 개에 이르는 독립적으로 검증 가능한 레코드를 요구합니다.

WANDR가 던지는 질문은 단순합니다. 에이전트가 넓게(Wide) 그리고 동시에 깊게(Deep) 조사할 수 있는가입니다. 이는 Perplexity가 앞서 공개한 DRACO 벤치마크의 형제 격에 해당합니다. DRACO가 "에이전트가 정확하고 완결적이며 객관적인 장문 보고서를 만들 수 있는가" 를 물었다면, WANDR는 "에이전트가 대규모 컬렉션을 구축하고 그 안의 모든 항목을 구체적인 근거로 뒷받침할 수 있는가" 를 묻습니다. 전자가 하나의 답을 깊이 파고드는 능력이라면, 후자는 수많은 항목을 빠짐없이 발견하면서도 항목마다 근거의 품질을 잃지 않는 능력입니다.

결과부터 말하자면, 이 문제는 아직 풀리지 않았습니다. 높은 노력(effort) 설정에서조차 평가에 참여한 가장 강한 시스템이 도달한 점수는 소프트 F1(soft F1) 0.363, 하드 F1(hard F1) 0.133에 그쳤습니다. 원문의 표현을 그대로 옮기면, "넓고 깊은 리서치는 아직 풀리려면 한참 멀었습니다(Wide-and-deep research is still a long way from solved)". 이 글에서는 WANDR가 어떤 구조로 과제를 정의하고, 정답지 없이 어떻게 채점하며, 여섯 개의 실제 상용 시스템을 같은 잣대로 세웠을 때 무엇이 드러났는지를 하나씩 살펴봅니다.

넓게 그리고 깊게, 두 요구가 만날 때 문제는 달라진다

많은 유용한 리서치 업무는 에이전트가 답 하나를 찾았다고 끝나지 않습니다. 시장 분석가는 조건을 만족하는 모든 경쟁사를 찾아야 하고, 각각에 대해 동일한 근거를 갖춰야 합니다. 실사 팀은 수십 개 기업을 찾은 뒤 그 각각에 대해 소유 구조, 경영진, 자금 조달, 규제 상태를 다시 조사해야 합니다. 여기서 서로 다른 두 가지 요구가 생겨납니다.

넓이(Wide): 조건을 만족하는, 종종 그 크기가 정해지지 않은 대규모 개체 집합을 발견하는 능력
깊이(Deep): 발견한 모든 개체를 요구된 각 주장을 근거로 뒷받침할 수 있을 만큼 충분히 조사하는 능력

이 둘을 결합하면 문제의 성격 자체가 바뀝니다. 인상적인 사례 몇 개로는 부족하고, 불완전한 조사 위에 세운 매끄러운 서술 역시 소용이 없습니다. 에이전트는 폭넓은 발견을 지속하면서도 레코드 하나하나의 사실적 품질을 떨어뜨리지 않아야 합니다. WANDR는 바로 이 구조를 유연하고 조합 가능한 자격 키 계층(Qualification Key Hierarchy) 으로 포착합니다.

자격 키 계층으로 과제를 표현하기

WANDR의 과제는 트리 형태의 계층으로 표현됩니다. 예를 들어 어떤 과제는 다음과 같이 정의됩니다.

company(n) → employee(m) → url(k)

이는 "조건을 만족하는 회사 n개를 찾고, 각 회사마다 조건을 만족하는 직원 m명을 찾으며, 각 직원마다 이를 뒷받침하는 페이지 k개를 제시하라" 는 뜻입니다. 트리를 관통하는 모든 완전한 경로(path)는 독립적으로 검증할 수 있습니다. 이 기본 구조 하나로 평면 목록(flat list), 중첩 검색(nesting), 행렬(matrix), 여러 근거 분기를 가진 과제까지 표현할 수 있고, 이 패턴들을 조합하면 하나의 표현으로 폭넓은 실제 사용 사례를 아우를 수 있습니다.

위 그림은 하나의 공통 노드 어휘로 표현되는 여섯 가지 대표 토폴로지입니다. 채워진 원은 개체, 점선 원은 고정 라벨, 사각형은 URL 리프를 뜻합니다. 행렬(matrix)에서 반복되는 자식 라벨은 서로 다른 부모 아래에 놓인 동일한 자식 값을 나타냅니다. 실제로 공개된 과제 하나를 보면 이 구조가 어떻게 작동하는지 감이 잡힙니다.

ceo_cfo_appointments 과제

기본 과제: 2026년 3월 1일부터 4월 30일 사이에 CEO 또는 CFO 선임이 처음 발표된 미국 소재 기업을 최소 70개 찾으시오. 각 기업에 대해, 기업과 선임자를 식별하고 직책과 발표일을 입증하며 발행사, 공시, 뉴스와이어, 또는 직접 취재한 1차 비즈니스 저널리즘에서 나온 권위 있는 선임 발표 페이지를 제시하시오.

기본 계층: company(70) → company_appointee(1) → url(1)

상장 여부 서브태스크: 동일 기업들에 대해, 미국 전국 증권거래소 상장 또는 미국 소재 SEC 공시 의무 발행사 지위를 보여주는 공인된 상장 권위 페이지를 제시하시오.

서브태스크 계층: company(70) → url(1)

필요한 레코드 수: 총 140개(선임 레코드 70개 + 상장 레코드 70개).

모든 경로는 채점기(grader)가 다시 검증할 수 있는 페이지와 발췌문(excerpt)으로 끝납니다. 공유되는 회사 키가 선임 분기와 상장 분기를 정렬해 주기 때문에, 선임 사실만 입증하고 상장 지위를 별도로 증명하지 못하면 그 회사는 여전히 불완전한 것으로 처리됩니다. 이처럼 WANDR는 "그럴듯한 답" 이 아니라 "검증 가능한 근거를 갖춘 답" 만을 인정합니다.

실제 업무에서 뽑아낸 500개 과제

WANDR는 합성 프롬프트가 아니라, 실제 상용 사용 로그에서 관찰된 비식별화된 패턴에서 출발합니다. 덕분에 벤치마크가 사람들이 실제로 위임하는 업무, 즉 개방형 발견, 반복적 정보 보강(enrichment), 교차 출처 검증, 구조화된 비교에 가깝게 유지됩니다. 반자동화된 파이프라인이 이런 패턴을 과제로 변환하며, 사람의 노력은 방대한 정답 주석 작업이 아니라 품질 관리에 집중됩니다.

파이프라인은 네 단계로 구성됩니다. 먼저 시딩(Seeding) 은 비식별화된 제품 요청에서 재사용 가능한 넓은 리서치 패턴을 채굴합니다. 이어지는 작성(Authoring) 단계는 작성자와 비평가(author-critic)가 번갈아 작동하는 루프를 돌립니다. 에이전트들이 설계를 스케치하고 서로 압박 테스트하며, 과제 명세와 채점 기준(judge)을 작성하고, 픽스처 레코드를 만들며, 기계적 린터로 전체 정합성을 맞춥니다. 입회(Admission) 단계는 10~12회의 작성 롤아웃을 병합해 목표 물량이 실제로 도달 가능한지 확인하고, 과제별 채점 기준을 감사하며, 선택적으로 사람의 최종 승인을 더합니다. 마지막 큐레이션(Curation) 단계는 입회된 과제에 라벨을 붙이고 주제, 규모, 토폴로지, 난이도에 걸쳐 균형 잡힌 최종 세트를 선별합니다.

이렇게 만들어진 500개 과제의 중앙값은 멤버 50개, 멤버당 레코드 4개, 과제당 총 245개 레코드를 요구합니다. 500개 과제를 모두 합치면 무려 170,495개의 근거 기반 레코드를 필요로 합니다. 연구진은 설계 단계의 과거 롤아웃으로 난이도를 보정한 뒤, 순위에 따라 하위 167개, 중위 166개, 상위 167개로 과제를 나누었습니다. 아래 그림에서 보이듯 난이도는 규모만으로 결정되지 않습니다. 레코드 하나하나에 필요한 작업량 또한 난이도를 좌우합니다.

위 산점도는 넓이(breadth, 필요한 멤버 수)와 깊이(depth, 멤버당 레코드 수) 평면에 500개 과제를 로그-로그 축으로 배치한 것입니다. 점선은 중앙값 넓이(멤버 50개)와 중앙값 깊이(멤버당 4개)를 표시합니다. 하위, 중위, 상위 난이도 과제들이 이 평면에서 서로 상당히 겹친다는 점은, 넓기만 하거나 깊기만 한 단순한 지표로는 과제의 어려움을 설명할 수 없음을 보여줍니다.

정답지 없이 근거로 채점하는 방식

고정된 정답 키(answer key)는 개방형 리서치에 잘 맞지 않습니다. 만드는 비용이 크고, 금방 낡으며, 시간에 따라 답이 바뀌는 질문을 제대로 담아내지 못합니다. 그래서 WANDR는 제출된 각 주장을 에이전트가 인용한 근거에 비추어 채점합니다.

모든 레코드는 항목(item), URL, 선택된 발췌문, 그리고 답(answer)을 담습니다. 채점기는 그 페이지를 다시 가져와(re-fetch) 페이지가 사용 가능한지, 주장이 명확하고 범위 안에 있는지, 발췌문이 실제로 페이지에 그대로 등장하는지, 그리고 페이지와 발췌문이 모든 요구사항을 뒷받침하는지를 확인합니다. 이렇게 얻은 레코드 단위의 이진 판정(binary verdict)이 계층을 따라 위로 집계됩니다.

여기서 세 가지 지표가 등장합니다. 정밀도(Precision)는 시스템이 제출한 것의 품질을 측정하고, 재현율(Recall)은 요구된 물량 대비 품질 보정된 완수율을 측정하며 부족분은 0으로 채웁니다. F1 은 이 둘의 균형을 나타냅니다.

F_1 = 2 \cdot \frac{\text{Precision} \cdot \text{Recall}}{\text{Precision} + \text{Recall}}

WANDR는 여기에 소프트(soft) 와 하드(hard) 라는 두 가지 엄격도를 더합니다. 소프트 점수는 불완전한 멤버에게도 부분 점수를 주고, 하드 점수는 요구된 하위 트리 전체가 정확한 멤버만 인정합니다. 진단을 위해서는 검색 전용(retrieval-only) 판정도 함께 보고하는데, 이는 유효성과 발췌문에 대한 더 엄격한 검사를 더하기 전에 "가져온 페이지가 과제를 만족하는가" 만을 먼저 묻는 것입니다.

이 설계 덕분에 실패가 해석 가능하고 국소화 가능해집니다. 정밀도는 높은데 재현율이 낮다면 대개 좋은 멤버를 찾긴 했지만 충분히 많이 찾지는 못한 것이고, 소프트에서 하드로 넘어갈 때 점수가 크게 떨어진다면 부분적으로는 진전을 이뤘지만 완전한 점수에 필요한 모든 분기를 좀처럼 끝맺지 못한 것입니다. 점수 트리는 손실이 발견(discovery), 정보 보강(enrichment), 신원 처리(identity handling), 페이지 자격 판정, 근거 추출 중 어디에서 발생했는지 짚어냅니다.

채점 파이프라인은 네 단계로 흐릅니다. 먼저 솔브(Solve) 는 모든 시스템의 출력을 하나의 레코드 형식으로 정규화하고, 페치(Fetch)는 인용된 각 페이지를 가져오되 깨진 페치는 브라우저로 재시도하며, 저지(Judge)는 신원을 해소하고 모든 레코드를 평가하고, 스코어(Score)는 판정들을 과제 단위의 정밀도, 재현율, F1으로 굴려 올립니다. 여기서 중요한 설계 철학은 "우리 크롤러가 아니라 근거에서 실패하게 하라(fail on evidence, not our crawler)" 입니다. 즉, 채점 인프라의 한계 때문에 에이전트가 억울하게 감점되지 않도록 설계했다는 뜻입니다.

여섯 개 시스템을 같은 잣대로 평가한 결과

연구진은 여섯 개의 상용 시스템을 비교했습니다. 호스팅형 태스크 및 검색 API, 범용 웹 에이전트 API, 딥리서치 제품, 그리고 Perplexity 자체의 프로그래밍 방식 검색 오케스트레이션 시스템인 Search as Code(SaC)가 여기 포함됩니다. 그림에서는 각각 Perplexity, Anthropic, OpenAI, Gemini, Parallel, Exa로 표기되었습니다. 모든 시스템을 고정된 설정으로 500개 과제 전부에 대해 실행한 뒤, 동일한 페치, 저지, 신원 해소, 스코어링 파이프라인을 통과시켰습니다.

Perplexity Search as Code가 소프트 F1 0.363, 하드 F1 0.133으로 선두를 차지했고, Anthropic이 0.249와 0.072로 2위를 기록했습니다. 나머지 시스템은 모두 소프트 F1 0.121, 하드 F1 0.035 이하에 머물렀습니다. 다만 품질과 효율을 모두 지배하는 시스템은 없었습니다. Perplexity는 과제당 $5.20의 중간 비용대에, 중앙값 소요 시간 14.9분, 과제당 382만 토큰을 사용했습니다. OpenAI와 Exa는 더 빠르고 저렴했지만 점수가 훨씬 낮았고, Anthropic은 품질에서 가장 근접했으나 시간, 비용, 토큰을 상당히 더 소모했습니다.

시스템	소프트 F1	하드 F1
Perplexity (Search as Code)	0.363	0.133
Anthropic	0.249	0.072
그 외 시스템 (OpenAI, Gemini, Parallel, Exa)	0.121 이하	0.035 이하

위 그림은 과제당 비용, 중앙값 소요 시간, 보고된 토큰 사용량에 대해 각 시스템의 소프트 및 하드 정밀도, 재현율을 그린 것입니다. 위로 갈수록, 왼쪽으로 갈수록 좋습니다. Exa와 Parallel은 토큰 수를 공개하지 않아 토큰 축에서는 빠져 있습니다. F1을 기준으로 다시 그린 아래 프론티어에서도 큰 그림은 동일합니다. 어느 시스템도 모든 축에서 이기지 못하며, 비용과 품질은 여전히 서로 맞바꿔야 하는 관계에 있습니다.

노력(effort) 설정을 바꿔 가며 동일한 45개 과제 부분집합에서 평가한 결과도 흥미롭습니다. 노력을 높이면 Perplexity, Gemini, Exa는 매 단계 개선되었고, Perplexity는 xhigh 설정에서 소프트 F1 0.447, 하드 F1 0.224에 도달했습니다. 그러나 노력이 높다고 항상 좋은 것은 아니었습니다. OpenAI는 high에서 정점을 찍었고, Parallel의 하드 F1은 ultra2x와 ultra4x 사이에서 오히려 살짝 떨어졌습니다. 비용의 범위는 네 자릿수(orders of magnitude)를 넘어, Exa low의 과제당 $0.03부터 Gemini max의 $324.83까지 벌어졌습니다.

네 가지 핵심 발견

WANDR가 드러낸 결과는 단순한 순위표를 넘어섭니다. 원문은 네 가지 두드러진 발견을 제시합니다.

부분적 진전은 흔하지만, 완전한 커버리지는 드물다

모든 시스템에서 소프트 재현율이 소프트 정밀도보다 낮았습니다. 이는 요구된 물량 전체가 분모에 들어오는 순간 성능이 떨어진다는 뜻입니다. Perplexity는 0.389 정밀도에서 0.357 재현율로 격차가 가장 작았고, Anthropic은 0.354에서 0.222로 떨어졌습니다. 소프트에서 하드로의 전환은 더 가혹합니다. Perplexity는 소프트 F1 0.363에서 하드 F1 0.133으로, Anthropic은 0.249에서 0.072로 급락합니다. 최고의 하드 정밀도는 0.150, 최고의 하드 재현율은 0.134에 불과했습니다. 다시 말해, 선두 시스템조차 자신이 제출한 멤버 7개 중 약 1개, 과제가 요구한 멤버 7개 중 약 1개에서만 완전한 점수를 받은 셈입니다.

규모가 커질수록 문제가 가중된다

가장 작은 목표 물량 구간에서 가장 큰 구간으로 갈수록 성능은 뚜렷하게 무너집니다. Perplexity의 하드 정밀도는 0.235에서 0.096으로, 하드 재현율은 0.219에서 0.079로 떨어졌습니다. Anthropic은 0.205에서 0.113, 0.127에서 0.042로, OpenAI는 0.109에서 0.034, 0.102에서 0.016으로 하락했습니다. 대체로 재현율이 정밀도보다 빠르게 떨어지는데, 이는 시스템이 완전한 멤버의 작은 주머니는 유지하면서도 요구된 전체 집합의 점점 더 적은 부분만을 커버하게 됨을 뜻합니다.

계층이 깊어질수록 상황은 더욱 가혹합니다. 중간 키가 없는 과제에서 중간 키가 3개 이상인 과제로 가면, Perplexity의 하드 정밀도는 0.392에서 0.019로, 하드 재현율은 0.378에서 0.017로 무너집니다. Anthropic은 0.311에서 0.049, 0.229에서 0.022로, OpenAI는 0.136에서 0.012, 0.120에서 0.011로 떨어집니다. 분기가 하나 더해질 때마다 멤버가 하드 점수의 전부 아니면 전무(all-or-nothing) 판정에서 탈락할 자리가 하나 더 생기는 셈입니다. 다만 품질 지표와 달리 비용과 지연 시간은 규모나 계층 깊이에 대해 공통된 단조(monotonic) 패턴을 보이지 않았습니다.

품질을 따지기도 전에, 발견이 첫 번째 구조적 병목이다

원시(pre-collapse) 카운트만 놓고 보면, 최상위 발견 완수율의 평균은 0.611에서 0.951 사이에 분포합니다. 조건부 정보 보강은 0.767에서 0.967로 더 강하고, 멤버와 그 보강 경로가 일단 존재하기만 하면 말단 근거 슬롯의 완수율은 0.979에서 0.994에 이릅니다. Perplexity는 발견 0.951, 보강 0.967로 앞서지만, 말단 근거 슬롯에서는 OpenAI가 0.994로 Perplexity의 0.991보다 근소하게 높았습니다.

특히 주목할 점은, 중복 병합(duplicate collapse)이 여섯 개 실행 전체에서 카운트 손실의 0.017~0.205 퍼센트포인트만을 차지한다는 것입니다. 즉, 집계 수준에서 물량이 비는 주된 이유는 신원을 하나로 합치는 과정이 아니라 애초에 충분히 많이 내놓지 못하는 것(under-delivery) 입니다. 가장 큰 원시 구조 손실은 마지막 URL이 붙기 이전 단계에서 발생합니다. 이렇게 "충분히 넓게 발견하는" 문제는 커뮤니티에서도 활발히 다뤄지고 있으며, 부족한 정보를 끝까지 파고드는 Google Research의 Agentic RAG 같은 접근이 그 한 갈래입니다.

쓸 만한 페이지를 찾는 것은 쉽지만, 완전한 근거를 갖추는 것은 어렵다

다섯 개 시스템에서 제출된 페이지 중 사용 불가능한 것은 3.2%에서 8.9%에 불과했습니다(OpenAI만 23.1%로 예외적). 유효하지 않거나 유형이 잘못된 레코드도 4.2%에서 17.4%로 비교적 드물었습니다. 정작 지배적인 손실은 그다음에서 옵니다. 제출된 페이지의 33.6%에서 68.3%가 적어도 하나의 실질적 과제 요구사항을 충족하지 못했고, 제출된 발췌문의 57.5%에서 86.6%가 레코드가 주장하는 모든 것을 뒷받침하지 못했습니다. Perplexity의 경우 이 두 비율이 각각 41.4%와 57.5%였습니다.

이 차이는 검색 전용 판정과 전체 판정의 격차에서 극명하게 드러납니다. Perplexity의 소프트 F1은 페이지가 모든 실질 요구를 만족하는지만 묻는 검색 전용 검사에서 0.531이었지만, 보편 검사와 과제별 유효성, 완전한 발췌문 뒷받침까지 요구하는 전체 판정에서는 0.363으로 떨어졌습니다. 하드 F1 역시 0.245에서 0.133으로 내려갔습니다. 어려운 부분은 그럴듯한 페이지에 도달하는 것이 아니라, 그 페이지를 주장 전체에 대한 충분한 근거로 바꿔내는 데 있습니다.

위 히트맵의 각 행은 서로 다른 과제 수를 기반으로 하는데, Parallel은 진단 세부 정보가 확보된 350개 과제, 나머지 시스템은 490에서 500개 과제를 대상으로 집계한 것입니다.

Search as Code가 이 과제 형태에 잘 맞는 이유도 여기서 드러납니다. 모델이 검색, 필터링, 팬아웃(fan-out), 렌더링, 조인(join), 중복 제거, 정지 논리를 하나의 프로그램으로 표현하고, 반복 연산은 모델 컨텍스트 바깥의 결정론적 계산이 처리하는 구조이기 때문입니다. 이런 프로파일은 Perplexity가 보인 더 강한 넓이 유지력과 발췌문 구성 능력과 잘 맞아떨어집니다. 다만 모든 층위에서 앞선 것은 아니어서, 페이지 요구사항 실패율만 놓고 보면 Anthropic이 가장 낮았습니다.

WANDR가 여는 것들, 진단과 강화학습

WANDR가 제공하는 것은 단일 리더보드 점수 그 이상입니다. 공통된 과제 구조와 반자동화 파이프라인은 다양하고 대규모인 과제 생성을 뒷받침하고, 레코드 단위 판정과 계층 수준 점수는 실행이 발견, 보강, 신원 처리, 의미론적 자격 판정, 근거 구성 중 어디에서 실패하는지를 보여줍니다. 공개된 과제, 검증기(verifier), 구조적 진단은 종합 검색 시스템을 개선하고 그 개선이 규모에서도 유지되는지를 검증할 토대가 됩니다.

같은 구조는 강화학습(Reinforcement Learning)에도 유용할 수 있습니다. 하나의 희소한 종단 보상(sparse terminal reward)에 의존하는 대신, 학습기는 레코드 및 분기 수준의 판정을 활용해 발견과 보강의 진전에 부분 보상을 부여하고, 요구 물량을 시간에 따라 높여 가며 커리큘럼(curriculum)을 구성할 수 있습니다. 파이프라인은 도메인, 계층 형태, 근거 규칙, 넓이와 깊이 설정에 걸쳐 정답을 일일이 열거하지 않고도 홀드아웃(held-out) 형제 과제를 생성할 수 있습니다. 이는 에이전트를 단지 올바른 사실을 찾도록 훈련하는 데 그치지 않고, 커버리지를 계획하고 빠진 분기를 감지하며 멈추기 전에 스스로 복구하도록 훈련하는 길을 엽니다.

정리하면, WANDR는 리서치 에이전트 평가의 초점을 "보고서가 얼마나 그럴듯한가" 에서 "모든 항목을 빠짐없이, 그리고 검증 가능한 근거로 뒷받침했는가" 로 옮깁니다. 최고 시스템조차 하드 F1 0.133에 머무는 현실은 이 방향의 연구가 아직 초기 단계임을 분명히 보여줍니다. 벤치마크 과제와 평가 하네스, 전체 기술 보고서는 모두 GitHub에 공개되어 있으니, 넓고 깊은 리서치 에이전트를 만들거나 평가하려는 분들에게 좋은 출발점이 될 것입니다.

WANDR Benchmark 소개 블로그

WANDR GitHub 저장소

WANDR 기술 보고서 (PDF)

더 읽어보기

이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다.

파이토치 한국 사용자 모임이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일로 보내드립니다! 텔레그램(Telegram)이나 Slack/Discord/Teams/Dooray/GoogleChat 등으로도 새 글 알림을 받으실 수 있습니다.

아래쪽에 좋아요를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~