쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 10월 30일 (금)까지3636건
3건 · "경험 활용"조건 지우기 ×
001▲ 17 · 댓글 2이전 시행 기록으로 AI 에이전트 성능 끌어올리기상호작용 작업에서 반복 시도는 다음 실행에 도움이 되는 사실, 유용한 작업, 실패 사례를 드러낸다.AI · 머신러닝 · ReGE: Stronger Agents through Experience Synthesis
Key Point에이전트가 자체 실행 기록을 재활용해 성능을 크게 높일 수 있으며, 비용도 획기적으로 절감할 수 있음을 실증했기 때문에 복잡한 작업을 수행하는 AI 시스템의 구축 방식을 바꿀 가능성이 있다.
핵심 요약
- 상호작용 작업에서 반복 시도는 다음 실행에 도움이 되는 사실, 유용한 작업, 실패 사례를 드러낸다.
- ReGE는 이러한 기록된 경험을 새로운 시도의 지침으로 변환하는 프레임워크다.
- 주요 구현인 ReGE-Syn은 단일 코치 호출로 제한된 실행 기록과 사용 가능한 결과물을 과제별 발견사항과 제안된 행동, 관련 함정을 연결한 자율적 지침으로 종합한다.
전체 요약 10문장 읽기 →AI · 머신러닝 · Relevance Does Not Imply Applicability: Experience Activation for Personal GUI Agents
Key Point과거 기록의 '관련성'이 아닌 '적절성'에 초점을 맞춰 GUI 에이전트의 개인화 성능을 크게 개선한 방법론으로, 맥락 인식이 중요한 AI 에이전트 설계에 새로운 관점을 제시합니다.
핵심 요약
- 개인 GUI 에이전트는 사용자 지시를 이해하고 반복 작업을 예측하기 위해 과거 상호작용 기록을 활용합니다.
- 기존 방식은 작업 관련 기록을 모두 검색해 정책 컨텍스트에 추가하지만, 이 기록은 에피소드 첫 단계에서만 큰 도움이 되고 나머지 90% 단계에서는 거의 효과가 없다는 문제가 있습니다.
- 문제의 근본 원인은 '적절성이 결정되지 않은 채 관련성만 판단'되기 때문입니다: 관련성은 작업 수준에서 판단되지만, 적절성은 실제 상황과 의사결정 시점에 따라 결정됩니다.
전체 요약 8문장 읽기 →AI · 머신러닝 · EmbodiedMemory-Bench: Benchmarking Embodied Memory for Long-Horizon Embodied Tasks
Key Point로봇이 복잡한 장시간 작업을 수행할 때 필요한 기억 능력의 핵심 문제를 체계적으로 분석하고 평가할 구체적 벤치마크와 솔루션을 제시해 구체화 합니다.
핵심 요약
- 로봇이 장시간 환경과 상호작용할 때 정보를 유지·갱신해야 하는데, 현재 에이전트들은 이를 제대로 못하고 있습니다.
- 문제의 원인은 네 가지입니다: 세부 시각 정보 기억 부족, 동적 세계 상태 추적 불안정, 상호작용 결과로 드러난 정보 미기록, 과거 경험 활용 제한.
- 이를 평가할 벤치마크가 없어 EmbodiedMemory-Bench(EMem-Bench)를 개발했습니다.
전체 요약 8문장 읽기 →