AI 에이전트

Ai2는 해양 분야 AI 에이전트 Shippy의 구축 경험을 공개했다. 핵심은 더 강한 모델 하나가 아니라, 도구와 권한, 샌드박스, 평가 체계를 함께 설계하는 데 있다.

새 arXiv 논문은 고정 벤치마크에서의 일회성 성능 향상만으로 Agent 최적화 방법을 판단하기 어렵다고 지적한다. 새 작업이 추가되는 지속학습 환경에서는 방법별 차이가 뚜렷하게 드러났다.

arXiv 논문은 자율 커머스 환경에서 인간, AI 에이전트, 브랜드 간 관계를 설명하기 위해 DVM-HALL 모델과 NHAS 지표를 제안한다. 핵심은 감정적 선호뿐 아니라 신뢰, 위임, 실행 검증 가능성, 온체인 위험까지 충성도 모델에 포함하는 것이다.

arXiv 논문은 Experience Memory Graph를 통해 LLM 에이전트의 실패 복구를 구조화된 그래프 매칭으로 재정의한다. 반복적인 반성 루프 대신, 관련 수정 경험을 검색해 한 번의 실행을 안내하는 방식이다.

SPyCE는 멀티모달 에이전트의 추론 궤적을 계층적 스킬 라이브러리로 증류하고, 이를 정책과 함께 훈련 중 갱신하는 프레임워크다. 보상 신호나 정적 메모리에 머물던 경험을 정책 학습의 일부로 끌어들인다.

arXiv에 공개된 새 논문은 AI 에이전트 권한 시스템 제안 21건을 검토하고, 상용 에이전트 5종의 권한 처리 방식과 비교했다. 핵심은 모든 사용자에게 같은 정책을 적용하는 방식에서 벗어나 사용자별 권한 제어가 필요하다는 점이다.