연구자료실
설비 연결, 품질 검사, 생산 분석과 제조 업무에 관련된 외부 논문입니다.
연구자료 검색
새 논문 요약
요점은 편집자가 정리한 메모입니다. 원저자의 표현과 다를 수 있으니 원문을 확인하세요. 2026-11-20 갱신.
- 1188LLMs / NLP
PHRBench: A Behavioral Evaluation of Post-Hallucination Reasoning in LLMs
- 최종 정답만 보면 순응·회피·수정이 구분 안 되므로, 응답 궤적을 3가지 행동(Hallucination Compliance/Avoidance/Heuristic Correction)으로 독립 분류하는 프레임워크를 만들었다.
- 환각 맥락이 평균 7.7%p 정확도를 떨어뜨렸고, 여러 모델 계열에서 규모가 클수록 더 취약해지면서도 수정 행동은 더 잦아지는 '스케일링 긴장'을 발견했다.
- 성공적 회복(수정+정답 도달)은 드물며, 회복에 성공한 궤적은 더 잦은 믿음 갱신을 보이는 특징이 있었다.
- 프롬프트 수준의 구조·의미 특징만으로 생성 전에 회복 성공을 예측해 가벼운 예측기가 AUROC 0.847, 정확도 0.863을 달성했다.
- 1187LLMs / NLP
Before They Can Solve: Predicting Post-Training Coding-Agent Performance from Base Models
- 성공 궤적을 재실행해 테스트가 처음 통과로 뒤집히는 '결정적 스텝 T*'를 찾고, 그 지점에서 기본 모델을 직접 검사하는 프레임워크를 만들었다.
- 3가지 검사(Decisive-Action BPB, Patch MCQ, prefix-conditioned pass@K)가 각각 스피어먼 ρ=0.964, 0.903, 0.988로 후속학습 SWE-bench Verified pass@1과 강한 순위 일치를 보였다.
- 기존 비에이전트 코딩 벤치마크(HumanEval 등)는 상관 -0.39~0.83으로 불안정해, base 모델 선택 지표로 부적합함을 확인했다.
- 이 검사는 성공 궤적과 검증기(verifier)만 있으면 되므로, 향후 에이전트 벤치마크를 base 모델 평가로 바꿔 쓸 수 있다.
- 1184AI Agents
BrickBench: Evaluating Agentic Brick Design
- 최고 코딩 에이전트가 프롬프트 시맨틱 요구의 약 95%를 충족하며 거의 모든 프롬프트에서 물리적으로 유효한 조립품을 만들었다.
- 도구 환경(BrickAgent)을 제거하자 유효 조립 성공률이 GPT-6 Astra 100%→40%, GPT-5.6 Luna 100%→1% 미만으로 급락했다. 접지된 검증 도구가 성공의 핵심이다.
- 레고 전용 생성 모델(BrickNet-14B, BrickGPT)을 일반 코딩 에이전트가 능가했다. 다만 비용은 600~6800배 더 든다.
- 인간 평가자는 360쌍 비교 중 323번(약 90%)에서 인간 설계를 골랐다. 요구 충족과 좋은 설계는 다른 문제다.
- 디자인 품질 ELO 지표를 VLM 심판으로 계산하고, 인간 선호(Kendall τ=0.89)와 랭킹 일치를 검증했다.
- 1183AI / General
Recursive Self-Improvement through Multi-Agent Self-Supervision
- 워크플로 최적화와 자기 생성 궤적 재훈련을 번갈아 돌리는 구조로, 개선된 모델이 다시 더 좋은 최적화자·평가자가 되는 재귀적 부트스트래핑을 실현했다.
- 두 사이클 만에 연구 벤치마크 4종에서 출력 토큰당 성능이 1.2~1.6배 향상됐다.
- 훈련 전엔 73%던 자기 평가 정확도가 93%로 올라가며 평가 능력까지 같이 개선됐다.
- 1.4배 많은 토큰을 쓴 단일 에이전트 학습보다 멀티에이전트 궤적 학습이 더 효율적이었다.
- 최적화된 워크플로에서 역할별 정보 전달과 라우팅이 더 많아지는 것을 확인해 '정보 흐름 최적화' 가설을 뒷받침했다.
- 1182Computer Vision
AgentGarten: Code Worlds for Evolving Agents
- 엔진은 상태와 규칙을, 신경망 렌더러는 화면 생성만 담당하는 분업 구조로 새 가상세계를 3D 에셋 없이 코드만으로 만들 수 있게 했다.
- 사전학습 영상 모델을 실시간 렌더러로 증류하는 Adversarial Forcing 기법으로 긴 롤아웃에서도 화면 품질이 무너지지 않게 했다.
- 에이전트가 기존 강화학습 대비 수백만 배 적은 4라운드 만에 은신처 짓기 같은 전략을 익혔다.
- 실패를 되새겨 글로 적은 플레이북을 다음 에이전트가 상속·개선하는 방식으로 세대 간 진화가 일어났다.
- 이미지 한 장이나 텍스트 묘사만으로 코딩 에이전트가 새 세계를 자동 생성·확장하게 만들어 환경 확장성을 확보했다.
- 1181LLMs / NLP
MiMo-V2.6: Scaling Reinforcement Learning Towards Self-Improvement
- 한 스텝에 1,568개 샘플과 27~37억 토큰을 처리하는 비동기 훈련으로 최대 100만 토큰 길이의 긴 과제까지 다뤘다.
- 코딩, 일반 업무, 시각 작업, 사이버보안 4개 영역의 환경과 서로 다른 에이전트 하네스(실행 뼈대)를 섞어 써서 일반화 성능을 높였다.
- 테스트 통과 여부만 보던 이진 채점 대신, 그룹 내 답안끼리 비교하는 그룹 채점을 도입해 더 정밀한 보상 신호를 만들었다.
- MoE 라우터를 얼리고 보상 조작에 대한 다층 방어를 세워 대규모 RL 훈련이 무너지지 않게 유지했다.
- 훈련 동태, RL 환경, RL 프레임워크를 모두 오픈소스로 공개해 대규모 에이전트 RL 연구의 재현 기준점을 만들었다.
- 1180Agents
RECAST: Learning to Compute the Right Context through Adaptive Evidence Routing
- 근거를 '검색'이 아니라 필터·집계·계산으로 '파생'하는 문제를 순차 의사결정으로 정식화했다.
- RouterLM이 원시 연산 호출과 맞춤 코드 합성을 오가며 근거를 만들고, SFT+GRPO로 학습했다.
- 6개 이기종 벤치마크에서 평균 75.6%로 최강 baseline 대비 +15.9%p를 기록했다.
- 9B 소형 학습 모델이 학습 없는 Gemini 3.5 Flash 라우터보다 5.0%p 앞서는 효율성을 보였다.
- 새로 본 3개 벤치마크에서도 평균 +15.0%p 우위로 제로샷 일반화를 입증했다.
- 1179Robotics
EmbodiedRSI: Active Continual Robot Learning Through Hypothesis-Guided Co-Evolution
- 정보 가치 기반 실험 선택으로 로봇 시행 착오 횟수를 줄이며 탐색 효율을 높였다.
- 코드 가설과 스킬 가설을 별도 평가 후 공동 실행 이득까지 측정하는 공동진화 구조를 만들었다.
- RoboCasa365 전체 77.0%, unseen 조합 71.3%로 최고 baseline 40.1%를 크게 앞질렀다.
- LIBERO-Pro에서 86.8% 성공, 시뮬레이션에서 실제 로봇으로 제로샷 전이 시 71.3%를 달성했다.
- 경험 기록-가설-추출 지식의 3단 계층 메모리가 다음 실험 선택에 재사용되는 구조를 제안했다.
- 1177Agents
Decoupling Exploration from Optimization in RLVR
- RLVR에 탐험 보너스를 직접 넣으면 감독 밖 지식이 망가져 일반 성능이 저하됨을 확인했다.
- 탐험 모델(explorer)과 학습본 모델을 분리하고, 옳은 풀이만 걸러 증류하는 ExpDis 프레임워크를 제안했다.
- 수학 벤치마크 7개에서 같은 컴퓨팅 예산의 DAPO보다 평균 정확도와 pass@k 모두 앞섰다.
- 탐험 병렬 확장(여러 explorer)과 라운드 반복을 독립적으로 늘릴수록 성능이 계속 개선됨을 보였다.
- 1176Robotics
SuperNav: An Agentic Navigation System for Any Task in Any Scene
- 내비게이션에 특화된 추가학습 없이, 사전학습 MLLM에 전용 에이전트 하네스를 얹는 것만으로 일반화를 확보했다.
- 모델은 이미지에서 목적지 점을 직접 찍는 시각적 점 인터페이스로 이동을 지시하고, 실행 피드백으로 판단을 수정한다.
- 단일 객체 내비게이션 78.00% 성공으로 최강 baseline(UniNaVid 34.00%)을 44%p 앞질렀다.
- 훈련·적응 없이 HM3D-OVON 120 에피소드에서 73.33% 성공률을 기록했다.
- 시뮬레이션뿐 아니라 실제 4족 보행 로봇 배포로 실환경 적용 가능성을 확인했다.
- 1175Robotics
Embodied Turing Machines: Stateful Code for Robot Recursive Self-Improvement
- VLA나 VLM 없이 코드만으로 로봇을 제어하는 새 패러다임(COAP)을 제안했다.
- 상태를 코드 변수에 직접 저장하니 판단 근거가 투명해지고, 실패 시 되돌아가 재시도하는 복구도 자유로웠다.
- 코딩 에이전트(Opus 5.5 Max)가 사람 개입 없이 코드 라이브러리를 반복 개선하는 자기개선(RSI) 루프를 설계했다.
- RoboDojo 양팔 42개 과제에서 테스트 시점 모델 없이 70.24% 성공률을 달성해 최고 기록보다 38.9%p 앞섰다.
- 새 과제 코드의 83%를 기존 공유 라이브러리에서 재사용해, 과제가 쌓일수록 역량이 누적되는 구조를 보였다.
- 1174Agents
A Society of Researchers: Designing Institutions for Populations of Autonomous Research Agents
- 에이전트 수천 개를 방치하면 어차피 스스로 조직이 생기므로(실제 사고 사례 있음), 설계자가 명시적으로 제도를 주는 게 낫다고 주장했다.
- 연구 책임자(PI) 에이전트들이 공모에 제안하고, 독립 심사를 거쳐 컴퓨팅 예산을 배정받는 과학계 방식을 그대로 에이전트 사회에 이식했다.
- 6가지 설계 원칙을 제시했다: 목표 대신 목적 주기, 제도로 다스리기, 할당으로 통치하기, 다양성 유지, 검증 제도화, 사회의 기억.
- 1만 명 규모 에이전트 사회를 실제로 돌려, 한 연구실이 같은 품질을 약 30% 적은 컴퓨팅으로 달성하는 결과를 얻었다.
- LLM이 뽑은 연구 아이디어 4,000개 중 중복 아닌 건 약 5%뿐이라는 기존 분석 등을 근거로, 다양성과 검증 제도의 필요성을 강조했다.
- 1173AI / General
RoboJEPA: Scaling Robotic Latent World Models
- 12종 로봇 플랫폼의 데이터(약 287만 궤적)로 세계 모델을 2200만~80억 파라미터까지 키워가며 스케일링 실험을 했다.
- 예측 오차가 컴퓨팅 양을 늘릴수록 멱함수 법칙을 따라 줄어들고, 이 법칙이 실험하지 않은 더 큰 규모까지도 잘 맞았다.
- 오프라인 예측 오차가 실제 로봇 계획 성공률과 강하게 연관되어, 실물 실험 없이 모델 품질을 가늠할 수 있게 했다.
- 목표 사진 한 장만 주면 추가 학습 없이(zero-shot) 실제 로봇 팔이 잡기·옮기기 같은 장기 과제를 스스로 계획해 수행했다.
- 80억 파라미터 모델은 지금까지 만들어진 JEPA 예측기 중 가장 크며, 전체 체크포인트와 코드를 공개했다.
- 1172Robotics
Long-WAM: Scaling the Context of World-Action Models
- 과거 영상을 0초에서 19.2초로 늘리자 조작 성공률이 63.3%에서 78.7%로 올라갔다. 단, 자기회귀 방식으로 사전학습한 모델에서만 효과가 있었다.
- 1만 시간 분량의 로봇·1인칭 영상으로 '과거를 보고 미래를 예측하는' 기반모델을 먼저 만든 뒤, 로봇 동작에 적응시키는 두 단계 학습을 썼다.
- 스트리밍 인코딩과 저정밀 양자화 덕분에 소비자용 GPU에서도 행동 하나를 107.4ms 만에 생성해 실시간 제어가 가능했다.
- 움직이는 컨베이어에서 컵을 잡아 쌓는 과제에서 95% 성공했는데, 비교한 기존 방법 두 개는 20번 시도 전부 실패했다.
- 상위 계획 모델(GPT 계열)과 조합하면 전체 성공률이 31.4%에서 54.4%로 올라가, 좋은 실행기가 있어야 계획이 빛난다는 것을 보였다.
- 1171Machine Learning
Optimal and Efficient Online Inverse Optimization
- 전문가의 선택 결과만 보고 숨은 선형 기준을 배우는 설정에서, 후회가 차원 d의 제곱근에 비례하는 최적 수준을 달성했다.
- 기존 최적 알고리즘은 라운드마다 지수 시간에 가까운 계산이 필요했는데, 이 논문은 처음으로 다항 시간 버전을 제시했다.
- 핵심 아이디어는 질의 점이 메트릭을 갱신한 지점에서 너무 멀어지면 그 갱신을 되돌리는 '취소' 규칙이다.
- 알고리즘은 결정론적이라 무작위성 없이도 모든 시간 지평 T에 대해 최적 후회를 보장한다.
- 1170Robotics
QF3: Fast Flow RL with Filtered Q-Gradients
- 비평가의 그래디언트를 흐름 정책의 한 번 예측(원샷 예측)을 통해 흘려보내, 비싼 샘플러 미분 없이도 정책을 직접 개선했다.
- 그래디언트가 리플레이 행동에서 너무 멀어지는 차원은 잘라내는 '필터'로 학습을 안정시켰다.
- 29자유도 휴머노이드(Unitree G1)의 보행·3분짜리 춤 동작 추적 정책을 시뮬레이션에서 처음부터 배워 실기계에 무보정으로 옮겼고, 이는 오프-정책 흐름 강화학습으로는 최초다.
- 최근 온-정책 방식(FPO++) 대비 벽시계 훈련 시간이 10배 빠르고, 고전적 TD3 수준과 비슷했다.
- 사전학습된 로봇 팔 정책을 다듬어 병 모으기(bottles) 과제에서 에피소드를 22% 빠르게 끝내고 성공률도 91%에서 95%로 올렸다.
- 1169Machine Learning
H-JEPA: End-to-End Learning of Hierarchical World Models for Visual Planning
- 세계 모델을 한 층이 아니라 세 층으로 쌓아서, 각 층이 다른 시간 단위(5/10/20 스텝)로 미래를 예측하게 했다.
- 위층은 빠르게 변하는 디테일은 버리고 느리게 변하는 중요한 상태만 남겨서, 추상적인 목표와 잘 맞는 표현을 배웠다.
- 미로 찾기 시각 과제에서 3층 구조가 평평한 단층 구조보다 성공률을 18%에서 73%로 올리면서 계획 연산량은 오히려 줄였다.
- 사람이 준 보상 없이, 영상을 다시 그리는 방식도 쓰지 않고 순수하게 예측 학습만으로 이 계층 구조가 저절로 생겨났다.
- 역동역학(행동을 되찾아내는 보조 학습)을 붙이면 실제 로봇 영상 데이터셋(DROID)에서도 계층이 계획 품질을 높였다.
- 1168Machine Learning
LiFT: Loop Flow Transformers
- 모델 초기 예측에서 정답까지 직선 경로를 그리고, 각 루프가 그 경로의 지점별 목표를 학습하게 했다.
- 학습한 루프 수보다 훨씬 많이 돌려도 성능이 계속 좋아져서, 추론 때 계산량을 자유롭게 늘릴 수 있다.
- ImageNet 256x256에서 파라미터 약 60%를 줄이고 추론 연산 약 52%를 아끼면서 FID 3.34점을 낮췄다.
- 테스트 시점에 계산을 더 쓸수록 좋아지는(test-time scaling) 흐름을 이미지 생성에 싼값으로 적용한 사례다.
- 1167Robotics
Mulligan: Performance-Guided Data Collection for Efficient On-Robot Learning
- 실패가 특정 초기 상태 25%에 95% 몰려 있어, 고르게 수집하면 사람 시간이 낭비된다는 걸 관찰했다.
- 실패했던 상태를 다시 시도하고 덜 가본 상태를 채우는 방식으로 같은 예산에서 더 빨리 배웠다.
- 실패 데이터까지 활용하는 가치함수 결합(HiL-IDQL+Mulligan)으로 실작업 성공률이 10~34%p 올랐다.
- 검증을 2,550개의 블라인드 실측 에피소드로 수행해 신뢰도를 높였다.
- 1166Machine Learning
Base Models Can Reason By Taking a Cue From Training Data
- 첫 두 토큰 큐만 고정해도 Olmo-3-7B의 MATH-500 정확도가 42%에서 78%로 올라갔다 (RL 버전은 75%).
- RL 학습은 새 능력을 가르친다기보다, 기존 추론 큐가 나올 확률을 높이는 쪽에 가깝다는 걸 보였다.
- 훈련 데이터에서 "okay"를 "chicken"으로 바꾸면 "chicken"이 추론 큐가 되는 등, 큐 효과가 데이터에서 온다는 걸 인과적으로 증명했다.
- 안전 사례 연구에서는 큐마다 거절/순응 행동이 달라져, 안전 평가 방식에도 시사점을 준다.
- 1165Research
Truly Subquadratic 3SUM and Truly Subcubic APSP via Triangles in Sparse Lopsided Graphs
- 3SUM을 50년 만에 처음으로 다항식만큼 빠르게 풀어, O(n^2)을 O(n^1.9992)로 줄였다.
- 하나의 얇은 행렬곱 알고리즘으로 APSP, Exact Triangle 등 수많은 문제가 동시에 빨라지는 구조다.
- AI 모델(Claude)이 핵심 알고리즘을 발견하고, 사람 저자들이 이해·확장했으며, Lean 4로 증명 검증까지 마쳤다.
- 세부 복잡도 이론(fine-grained complexity)의 가설 여러 개가 반증되어, 하한 증명 연구에 큰 영향을 준다.
- 1164safety
Linguistic Loopholes in LLM Unlearning: From a 174-Language Benchmark to Coverage-Aware Unlearning
- 174개 언어·문자 쌍과 25가지 표현 변형을 아우르는 교차 언어 잊기 벤치마크를 만들어 잊기가 언제 다른 언어로 번지는지 측정했다.
- 개별적으로 지우는 힘이 센 언어들을 모아도 좋은 소스 집합이 되지 않는다는 뜻밖의 결과를 보이고, 커버리지 예측 기반의 COVER를 제안했다.
- COVER는 배포 시 무해한 보정 데이터와 얼어붙은 모델 접근만 필요해, 전체 다국어 재학습 없이 흉터를 줄인다.
- 세 모델 family·두 forget 집합에서 균등 선택 대비 남은 접근을 평균 7.8~27.3% 낮췄고, 저자원 언어 실제 뉴스 문서에서도 효과가 유지됐다.
- 1163evaluation
Cheap to Draw, Expensive to Trust: Certifying Test-Time Scaling Curves
- 곡선의 모든 예산 지점을 한 번에 덮는 구간만이 '몇 개 뽑을지' 선택을 보호한다는 점을 짚고, 기존 고정 설계의 비용(100문항·64예산에 19.2만 답)을 산출했다.
- 예산 64에서 선택된 답 정확도 분산의 약 4분의 3이 문항 간 차이에서 나오므로, 모든 문항을 다시 방문하는 감사는 그 비용을 낼 필요가 없음을 보였다.
- 두 독립 추첨을 짝 지은 지수 부등식 기반 감사를 만들어 사전 파일럿 없이 최소 비용(상수 로그 인자까지)에 도달했다.
- 실제 MMLU-Pro 연구에서 79,133개 답으로 전 곡선을 인증했고, 사전에 맞춘 비용 법칙의 예측과 0.6% 이내로 일치했다.
- 1162efficiency
Scaling Laws for Looped Mixture of Experts
- 반복(루프)과 희소(MoE)를 따로 보던 기존 연구와 달리, 두 축을 한 법칙으로 묶어 검증 손실을 더 정확히 예측했다.
- 반복 효과는 계속 늘지 않고 포화하며, 전문가 수가 많을수록 그 효과가 더 오래 유지된다는 걸 데이터로 보였다.
- 희소화는 활성 파라미터 효율 약 3배, 반복은 추론에서 총 파라미터 효율 약 2배를 각각 주고, 둘을 합치면 성능 한계가 더 올라간다.
- 조단(1조) 토큰 규모에서도 같은 계산량이라면 루프 MoE가 2배 큰 일반 MoE와 대등해, 메모리·계산 예산 설계의 실무 지침이 된다.
- 1161memory
MemLife: Curating and Reasoning over Long-Term Egocentric Video Memories
- 영상을 무작정 다 저장하지 않고 대상과 시간을 짚은 1인칭 텍스트 에피소드로 바꿔, 나중에 찾기 쉬운 형태로 기억을 남겼다.
- 기억이 쌓일수록 비슷한 항목끼리 검색이 겹치는 문제를 시간 인덱스를 단 에이전트 리더로 풀어, 학습·추가 학습 없이 성능을 올렸다.
- 무학습 기준 최고 대비 4.6~12.0% 향상됐고, 강화학습으로 기록 자체를 최적화하면 2.7~5.0%가 더 개선됐다.
- 기록기·리더 모델을 바꿔도 효과가 유지돼서 특정 모델에만 묶이지 않는 범용 설계다.
- 1160robotics
DynaHarness: A Dynamic Physical Harness for Self-Evolving Robot Agents
- 실패를 통째로 '로봇이 나빴다'로 보지 않고 계획·실행·회복 중 어느 부분이 잘못됐는지 특정해 그 부분만 고쳤다.
- 느린 뇌(계획)와 빠른 뇌(감시)를 시간 단위가 다른 두 층으로 나눠, 애매한 명령은 거부하고 대체 행동을 찾도록 했다.
- 고침이 반영되기 전에 회귀 검사를 통과해야 해서, 고치다가 원래 잘 되던 기능을 망칠 위험을 막았다.
- LIBERO-Pro 새 초기 상태 800개에서 얼어붙은 정책 17.5% 대비 75.2%를 기록해, 재학습 없이 하네스만으로 4배 이상 성능을 올렸다.
- 1159Machine Learning
TACO: Ternary Absolute-max Column-wise One-sparse Optimizer for LLM Fine-Tuning
- 각 열의 최대 크기 좌표 부호만 갱신하는 희소 기하학으로 옵티마이저 상태를 거의 없앴다.
- AdamW8bit 대비 옵티마이저 상태 메모리를 174배(27.7GB → 0.16GB), 피크 학습 메모리를 2.9배(80.6GB → 27.5GB) 줄였다(OPT-13B 기준).
- OPT-13B SST-2에서 94.22% 정확도로 AdamW(95.3%)와 비슷하면서 메모리는 254.8GB → 27.5GB 수준이다.
- 여러 모델 계열과 과제에서 80GB H100 한 장으로 30~32B 풀 파라미터 미세조정을 가능하게 했다.
- Moun과 달리 AdamW로 사전학습된 모델에 써도 성능이 꺾이는 부작용이 적다.
2610.02199
- 1158AI Agents
PivotOPD: Learning to Recover from Pivotal Mistakes in Multi-Turn Agents
- 실패한 롤아웃의 절반 이상이 초기의 결정적 실수 하나에서 비롯됨을 세 모델(Qwen3 8B~235B)에서 확인했다.
- 피벗 순간만 고쳐도 재현 성공률이 8%에서 59%로, 실수 후 두 턴만 인도해도 58%로 오른다는 counterfactual 실험을 했다.
- 예방 증류(실수 전 회피)와 회복 증류(실수 후 복구)를 결합해 표준 RL과 함께 한 번의 PPO 업데이트로 학습한다.
- ALFWorld에서 Qwen3-1.7B 학생 기준 최강 베이스라인 대비 +5.5%를 냈고 13개 베이스라인 평균 1위였다.
- SWE-Bench Verified에서는 다른 모델 계열(Nemotron-3.5)에도 이식돼 해결률 +3.2%를 기록했다.
2609.40285
- 1157Research
Cogentic: Multi-Agent Orchestration for Automated Proof Discovery
- 단발 생성으로는 안 풀리는 열린 문제를 증명-검증 반복 루프로 풀었다.
- 확인된 중간 결과를 영구 원장에 축적해 장기 작업에서 진도를 잃지 않게 했다.
- 온라인 학습, 경매 이론, 메커니즘 설계의 공개 문제 5개에서 새 결과를 냈고 도메인 전문가 독립 검증을 통과했다.
- 검증자를 '틀렸다고 가정하고 시작하는' 적대적 구성으로 둬 초안의 허점을 잡아냈다.
- 문제당 O(100)~O(1000) 호출 수준의 비교적 낮은 추론 예산으로 돌아간다.
2609.40324
- 1156AI Agents
Learning from Research: Toward Lifelong Agent Harness Evolution
- 실패 기록만 보고 고치던 방식의 한계를 넘어, 연구 논문에서 개선 아이디어를 직접 가져오게 했다.
- 하네스를 도구·문맥·스킬·메모리·작업흐름 모듈로 나누고 모듈별로 논문 기반 탐색을 벌였다.
- AppWorld 챌린지에서 과제 완수율 49.6%를 63.6%로, 시나리오 완수율 28.3%를 44.8%로 끌어올렸다.
- τ2-Bench Telecom에서 GPT-5.4-mini 통과율을 72.7%에서 81.9%로 올렸다.
- 유전 알고리즘 구조로 새 논문이 들어올 때마다 개선을 반복하는 평생 진화 구조를 갖추었다.
2609.40169
연구에서 제품 적용까지
운영 중인 기능, 시범 적용과 개발 중인 기술을 구분해 정리했습니다.
보유기술 보기