단일 예측 모델로 AI 에이전트의 모든 의사결정 통합

핵심 요약

• 에이전트가 수행하는 도구 선택, 후보 평가, 추론 검증 같은 이질적인 의사결정을 조건부 예측으로 통일하는 DPDM 아키텍처를 제시했다.
• 언어 모델이 현재·과거 정보를 의미 표현으로 인코딩하고, 일반 목적 조건부 예측기(LimiX-2)가 증거에서 작업 목표를 예측한다.
• 사전학습된 모델의 신경망 파라미터를 고정한 채 배포 환경의 실제 데이터만으로 문제별 예측을 수행하며, 도구·후보·추론 모두 동일한 입출력 인터페이스를 공유한다.
• Qwen3.5-27B 인코더와 단일 LimiX-2 예측기로 50개 벤치마크에서 적응 프롬프팅 78.80%에서 84.92%로 정확도를 올렸다.
• ToolPRMBench의 BFCL과 ToolSandbox에서는 각각 34.26%, 28.87%의 절대 정확도 향상을 달성했다.
• 이전 정보 길이가 늘어날수록 정확도가 개선되며, 불균형 데이터에서 5개 추론 단계 평가와 4개 인코더 조합으로 균형 정확도가 14.51% 상승했다.
• 조건부 예측 발전이 에이전트 전반의 의사결정 성능 향상으로 직결되는 공통 경로를 제시한다.