AI 에이전트

MaxKernel은 대규모 언어 모델을 컴파일러 피드백 및 하드웨어 프로파일링과 결합해 TPU 커널 개발을 자동화한다. 인간 협업, 자율 최적화, 그래프 기반 탐색을 모두 지원한다.

Iris-mini와 Iris-pro는 웹 링크 구조에서 다단계 검색 과제를 만들고, 지도 미세조정과 온라인 강화학습을 번갈아 수행하는 검색 에이전트입니다. 긴 탐색 과정에서 증거를 관리하는 컨텍스트 관리도 핵심 설계 요소로 다뤄집니다.

Terminal-Universe는 터미널 기반 코드 에이전트의 기존 실행 궤적에서 작업공간을 복원하고, 이를 바탕으로 검증 가능한 추가 작업을 생성하는 프레임워크입니다. 하나의 고정된 시연을 원래 작업 재현, 저장소 간 질의, 다중 턴 상호작용에 활용할 수 있는 환경으로 확장합니다.

터미널 에이전트의 성능이 높아지면 처음부터 생성한 과제는 지나치게 쉬워져 유용한 학습 신호를 제공하기 어렵다. 새로운 방법은 환경 난도를 세대별로 높여 장기 강화학습을 지원한다.

Editable Visual Design은 비전 언어 모델, 이미지 생성 모델, Coding Agent를 결합해 생성 이후에도 수정할 수 있는 시각 결과물을 만드는 방법을 제안한다. 최종 이미지를 평면 비트맵으로 내보내는 대신 생성 자산과 HTML/CSS를 구조적으로 결합하는 것이 핵심이다.

새 연구는 자율형 LLM 사후학습에서 과거의 성공적인 업데이트를 그대로 재사용하는 문제를 다루며, 적용 조건을 확인하는 BCIT를 제안했다.

Google이 개인용 에이전트 Gemini Spark를 Google 포토와 연결해 자연어로 사진 편집과 앨범 정리를 수행할 수 있게 한다. 초기 지원 대상은 미국에서 영어를 사용하는 Gemini AI Pro 및 Ultra 가입자다.

OOMOL Lab이 AI Agent를 위한 워크플로 자동화 플랫폼 Open Flow를 오픈소스로 공개했다. 시각화 Workbench, 명령줄 인터페이스, 자체 호스팅 런타임을 통해 Agent가 노드를 만들고 워크플로를 구성·실행할 수 있도록 지원한다.

DisCo는 머신러닝 저장소에 흩어진 실무 지식을 재사용 가능하고 검증된 스킬로 증류합니다. 1,000개 저장소에서 5,000개 이상의 스킬을 만든 라이브러리도 제시합니다.

HarnessDev는 에이전트의 최종 답변뿐 아니라 성능을 결정하는 실행 인프라 자체를 평가하는 벤치마크입니다. 생성된 프레임워크는 코드·검색·연구에서는 성숙한 인간 설계 시스템에 뒤졌지만, 글쓰기와 머신러닝 실험에서는 경쟁력 있는 결과를 보였습니다.

Meta가 코딩과 기타 에이전트 작업을 겨냥한 Muse Spark에 ‘기여자’ 요금제를 도입했다. 프롬프트와 모델 출력을 공유하는 고객은 평균 약 95%의 할인을 받을 수 있다.

UI-Venus-2는 실제 GUI 자동화를 가로막는 좁은 환경 범위, 취약한 작업 구성, 불안정한 결과 검증 문제를 겨냥한 기반 시스템입니다. 모바일·웹·데스크톱을 통합 추론-행동 루프로 다루고, 중요한 작업에는 안전 제어를 적용합니다.

Uber가 소프트웨어 개발 전반에 AI 에이전트를 확대하면서도 비용 증가를 제한한 방법을 공개했다. 핵심은 단순한 저가 모델 전환이 아니라 실행 과정 전체의 최적화다.

CAST는 작업의 성공·실패처럼 희소한 결과를 개별 행동을 검증하는 감독 신호로 바꾼다. 이를 통해 장기적이고 상태가 변하는 도구 호출 환경에서 실행 전 오류를 찾는 능력을 학습시키려 한다.

데이터 과학 자동화의 결과는 언어 모델뿐 아니라 작업 표현, 실행 상태 관리, 산출물 제약, 평가 방식에도 좌우됩니다. DS-Lighting은 그동안 암묵적으로 처리되던 에이전트 하니스를 네 개의 계층으로 분리해 다룹니다.

LLM 에이전트는 프롬프트와 도구, 실행 하니스를 직접 바꿀 수 있지만, 성공한 변경이 이후 상태에서도 되돌릴 수 있다는 보장은 없습니다. EvoUndo는 정확한 상태 식별과 복구 언어의 표현력이 검증 가능한 복구에 미치는 영향을 분석합니다.

StarHarness는 모델을 재학습하지 않고도 특정 기업 환경에 맞는 에이전트 harness를 탐색하는 프레임워크다. 프롬프트뿐 아니라 도구 인터페이스, 스킬, 하위 에이전트, 실행 루프까지 조정 대상으로 삼는다.

코드 생성 속도만 높아져서는 기업의 개발 납기가 단축되지 않는다. 샤오홍슈의 Muse는 컨텍스트 공유, Agent 오케스트레이션, 실행 단계 제어를 통해 기획부터 운영 반영까지 연결하려 한다.

메타는 AI 에이전트가 수천 명의 일상 업무를 맡는 ‘AI 네이티브’ 조직을 구상했다. 그러나 실제로는 코드 잡음과 사고, 남은 엔지니어의 대응 부담이 함께 늘어나며 계획의 한계가 드러났다.

Cisco가 사내 AI를 문맥을 기억하고 여러 업무 시스템을 호출하며 감독 아래 작업을 진행하는 개인 에이전트로 확장하고 있다. MyAgent의 핵심 의미는 사용자 수보다 에이전트를 기업 업무의 새로운 진입점으로 만들려는 데 있다.

DART-SD는 도구 호출 과정을 하나의 선형 궤적이 아니라 여러 경로가 갈라졌다가 수렴하는 ‘다이아몬드 토폴로지’로 모델링한다. 실패가 시작된 지점 이후의 복구 단계만 학습해 이미 올바른 추론 접두부를 보호한다.