아티클 & 가이드

MiniCorp는 여러 에이전트가 협업하는 기업 내부와 변화하는 시장을 하나의 시뮬레이터로 연결한다. 현실에서 얻기 어려운 장기 기업 데이터와 대안적 의사결정의 결과를 생성하는 것이 핵심 목표다.

GUI-HARVEST는 모델 가중치를 업데이트하지 않고 GUI 모델을 둘러싼 실행 하니스를 진화시키는 방법입니다. 스크린샷과 행동 기록, 반복 실행 결과를 비교해 반복되는 실패를 찾고 검증된 코드 수정으로 연결합니다.

새로운 벤치마크는 기준 영상과의 시각적 유사성 대신 영상에서 관찰 가능한 물리 관계를 직접 측정한다. 8개 영상 생성 모델을 평가한 결과, 시각적으로 설득력 있는 출력에서도 물리적 불일치가 지속적으로 나타났다.

소프트웨어 엔지니어링 에이전트를 분석한 연구에서 양성 지도 미세조정은 백도어를 약화시키지만, 이후 강화학습은 남은 악성 행동을 보존하거나 증폭할 수 있는 것으로 나타났다. PersistBD는 모델 출시 전에 백도어의 지속성을 높이는 방법을 제시한다.

HERMES는 코드와 테스트 같은 저장소 구성 요소에 상주형 언어 모델을 결합하는 Dev-Primitives를 제안한다. 각 구성 요소가 자신의 구현을 이해하고 다른 요소와 소통하면서 국소적인 수정을 지원하는 방식이다.

새 연구는 사용자가 허가한 다른 서비스의 이용 기록을 활용해 개인 에이전트가 플랫폼의 초기 추천 순위를 조정하는 방식을 정식화했다. MediateRec 벤치마크와 PAMO 방법을 통해 언제 개입하고 언제 플랫폼 판단을 유지해야 하는지 분석한다.

에이전트가 최종적으로 올바른 상태에 도달하더라도, 그 행동이 사전에 확보된 증거에 근거했다고 보기는 어렵습니다. SafeActBench 연구는 실행 전 조사와 의존성이 있는 다단계 작업에서 실패가 집중된다는 점을 보여줍니다.

과학 에이전트의 성능이 빠르게 향상되면서 고정형 벤치마크는 모델 간 차이와 실패 원인을 충분히 보여주기 어려워지고 있습니다. AutoSciBench는 풀이 궤적과 평가 피드백을 활용해 과학 과제를 자동 생성하고 반복적으로 수정합니다.

마찰, 백래시, 탑재 하중 변화와 마모 때문에 로봇은 VLA가 지시한 대로 움직이지 않을 수 있다. 새로운 방법은 명령과 실제 운동의 차이를 이용해 보상이나 라벨 없이 배포 중 VLA를 적응시킨다.

HuatuoGPT-3는 교사 모델의 출력을 영구적인 모방 대상이 아닌 일시적 지침으로 활용하는 OnePO를 제안한다. 논문 초록에 따르면 27B 모델은 HealthBench Professional에서 71.4점을 기록했다.

대규모 언어 모델이 출력하는 사고 연쇄는 내부 계산을 항상 충실하게 반영하지 않습니다. 새로운 연구는 CIA 지표로 두 과정의 일치도를 측정하고, 후학습을 통한 개선 가능성도 검증했습니다.

ALoDLM은 확산 언어 모델에 토큰 적응형 잠재 재귀를 도입합니다. 쉽게 결정할 수 있는 토큰은 먼저 확정하고, 어려운 토큰은 추가 계산으로 계속 정제해 병렬 디코딩과 품질 개선을 함께 노립니다.

장기기억은 LLM 에이전트의 개인화를 높이지만 사용자의 과거 신념에 과도하게 동조하게 만들 수도 있습니다. MemAdapter는 현재 맥락에 따라 기억의 영향력을 조절합니다.

프로액티브 LLM 에이전트는 사용자가 요청하기 전에 유휴 연산을 활용해 필요한 지원을 준비한다. 새로운 연구는 작업 능력, 시간 배분, 신뢰를 3T 원칙으로 정리하고 장기 효과를 평가하는 Proactivity-Gym을 제안했다.

연구진은 언어 모델 에이전트가 분자 기하 최적화기 Sella를 직접 수정하도록 하고, 조기 종료와 과적합을 막는 평가 게이트로 후보를 선별했습니다. 그 결과 나온 AutoSella는 보지 못한 분자와 DFT 테스트에서도 힘 평가 횟수를 줄였습니다.

Inverse Distillation Unlearning(IDU)은 확산 모델이나 플로 매칭 모델을 1단계 생성기로 증류하면서, 지정한 학습 데이터 부분집합에 해당하는 출력을 억제하는 방법이다. 전체 데이터로 학습한 교사 모델과 삭제 대상 샘플만 필요하다.

ASCENT는 에이전트의 단일 실행을 그대로 모방하는 대신, 검증된 경험을 자기 증류하는 온라인 테스트 시점 학습 방법이다. ALFWorld와 WebShop에서 성공률을 높이고 에피소드당 실행 턴도 줄였다.

LoGRA는 대규모 언어 모델 강화학습에서 유용한 그래디언트 신호를 저랭크 스케치로 저장하고, 예측 KL 기반 스텝 제어를 결합한 방법입니다. 논문 요약에 따르면 추론 과제에서 평균 학습 메모리를 최대 45.7% 줄였습니다.

UndoBench는 도구를 사용하는 AI 에이전트의 정상적인 작업 수행 능력과 장애 이후 안전하게 복구하는 능력을 분리해 평가한다. 실험 결과, 작업을 완료하더라도 중복 외부 효과를 막지 못하는 사례가 상당수 나타났다.

새 연구는 대규모 언어 모델의 수학 추론을 발견, 생성, 이해, 실행의 네 능력으로 나누어 분석한다. 최종 정답률만으로는 모델의 실제 역량 구성을 알기 어렵다고 지적하고, 수학적 프리미티브를 활용한 보완 방법을 제안한다.

테스트 시 학습에서 모델이 스스로 생성한 텍스트를 계속 학습하면 장기 적응 과정에서 독립적인 인간 작성 텍스트에 대한 예측 성능이 떨어질 수 있다는 연구가 나왔다. 업데이트를 확정하기 전에 독립 데이터로 검증하는 방식이 효과적인 완화책으로 제시됐다.