쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 10월 30일 (금)까지3636건
3건 · "연속학습"조건 지우기 ×
001▲ 18 · 댓글 2언어모델 에이전트의 온라인 학습을 위한 재귀형 프레임워크 제안언어모델 에이전트가 장시간 상호작용 스트림에서 분포 변화에 온라인으로 적응해야 하는데, 기존 에이전트 프레임워크는 순방향 정보 흐름만 사용하거나 재학습용 추가 데이터가 필요했다.AI · 머신러닝 · Recurrent Harness for Agentic Continual Learning
Key Point장시간 상호작용을 처리하는 AI 에이전트의 지속적 학습 능력이 추론 정확도와 안정성에 직결되기 때문에, 오직 온라인 스트림만으로 효과적인 적응을 가능하게 하는 기술이 실제 배포에 중요하다.
핵심 요약
- 언어모델 에이전트가 장시간 상호작용 스트림에서 분포 변화에 온라인으로 적응해야 하는데, 기존 에이전트 프레임워크는 순방향 정보 흐름만 사용하거나 재학습용 추가 데이터가 필요했다.
- ReHarness는 순방향 읽기·쓰기와 역방향 수정을 결합한 재귀형 하네스 프레임워크를 제안해, 순수한 온라인 스트리밍 프로토콜 하에서 연속 학습을 지원한다.
- 각 인스턴스 이후 결과 궤적을 피드백으로 삼아 해당 인스턴스에서 검색한 반영(reflection)을 수정함으로써, 텍스트 기반 하네스 상태를 통해 피드백을 역방향으로 전파한다.
전체 요약 5문장 읽기 →AI · 머신러닝 · Local Support Learning
Key Point새로운 작업을 학습할 때 이전 지식을 잊어버리는 문제는 실제 LLM 배포에서 가장 큰 난제인데, 이전 데이터 없이 이를 해결하는 실용적 방법론이 제시되었기 때문입니다.
핵심 요약
- 사전학습된 대규모 모델에서 새로운 학습 시 이전 능력을 잃는 '재앙적 망각(catastrophic forgetting)' 문제를 연구했다.
- 연구팀이 제안한 '로컬 서포트 러닝(Local Support Learning, LSL)'은 이전 데이터에 접근하지 않으면서도 기존 능력을 유지하는 일반적 프레임워크다.
- LSL은 학습 적응 모듈과 게이팅 함수 두 가지 요소로 구성되는데, 적응 모듈은 손실을 최소화하고 게이팅 함수는 현재 학습 데이터 분포에서만 업데이트를 활성화한다.
전체 요약 6문장 읽기 →AI · 머신러닝 · AI researchers debate how close we are to recursive self-improvement
Key PointAI가 지수적으로 자기 자신을 개선할 수 있다는 시나리오가 과장된 것 아닌지, 실제 프론티어 연구자들이 어떤 장애물을 현실적으로 보고 있는지 알 수 있다.
핵심 요약
- OpenAI 공동창립자 존 슐만, Zyphra CTO 베렌 밀리지, Baseten 모델 훈련 담당자 찰리 오닐이 재귀적 자기개선(RSI)의 실현 가능성을 토론했다.
- 만약 2036년에 초지능이 세상을 근본적으로 바꾸지 못한다면, 가장 가능성 높은 기술적 이유는 메타러닝 일반화의 어려움과 연속학습(continual learning) 문제라고 논의했다.
- AI 모델이 벤치마크에서는 우수하지만 현실 환경으로의 적용(sim-to-real gap)에서 계속 막힐 수 있고, 이것이 성능 향상 사이클을 반복시킬 수 있다고 밀리지는 지적했다.
전체 요약 5문장 읽기 →