쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 16일 (월)까지 4683건
8건 · "자가 개선"조건 지우기 ×
001 15:11 ▲ 52 · 댓글 3 에이전트가 자가 개선하는 오케스트레이션 기법 R²Orch 복잡한 작업을 여러 스킬을 조합해 해결하는 에이전트 오케스트레이션은 수작업 커리큘럼, 롤아웃이 같은 결과에 도달할 때의 이점 붕괴, 신뢰할 수 없는 평가 신호 같은 문제가 있다. AI · 머신러닝 · R^2Orch: Recursive Self-Improvement for Agent Orchestration via Self-Play within a Skill-Internalization Loop
Key Point 에이전트 시스템이 인간 개입 없이 자신의 약점을 스스로 찾아 개선하는 방식이 제시되어, 복합 작업 해결에 필요한 에이전트 아키텍처의 진화 방향을 보여준다.
핵심 요약
복잡한 작업을 여러 스킬을 조합해 해결하는 에이전트 오케스트레이션은 수작업 커리큘럼, 롤아웃이 같은 결과에 도달할 때의 이점 붕괴, 신뢰할 수 없는 평가 신호 같은 문제가 있다. 이를 해결하기 위해 R²Orch는 내부 루프의 자가 대전으로 오케스트레이터를 개선하고 외부 루프로 내부 루프의 개선 방식 자체를 개선하는 재귀적 자가 대전 오케스트레이션 패러다임을 제안한다. 핵심은 '재귀적 학습 가능성(Recursive Learnability)' 목표로, 제안자가 스킬 철수 시에도 롤아웃이 계속 다양한 결과에 도달하는 작업을 선택하도록 보상한다. 전체 요약 6문장 읽기 → 002 06:11 ▲ 116 · 댓글 10 LLM의 '잠자기' 단계로 지속학습과 기억력 문제 해결 구글 연구팀이 대형언어모델(LLM)의 지속학습을 위해 '수면 프레임워크'를 제안했다. AI · 머신러닝 · Sleep framework: A new way for LLMs to retain knowledge in continual learning
Key Point LLM이 새로운 정보를 학습하면서 기존 지식을 잃지 않고 맥락도 10배 이상 확장하는 핵심 기술이 어떻게 작동하는지 이해할 수 있고, 산업 배포된 모델의 적응력 문제를 근본적으로 해결하는 가능성을 보여준다.
핵심 요약
구글 연구팀이 대형언어모델(LLM)의 지속학습을 위해 '수면 프레임워크'를 제안했다. 기존 LLM은 배포 후 고정된 학습 시점을 유지하거나, 문맥 윈도우 내에서만 정보를 보유하는 한계가 있고, 새로운 데이터로 업데이트하면 이전 학습 내용을 잊는 '재앙적 망각(catastrophic forgetting)' 문제가 발생한다. 수면 프레임워크는 활동(깨어있는) 단계와 오프라인 메모리 통합(수면) 단계를 번갈아가며 작동한다. 전체 요약 13문장 읽기 → 003 00:11 ▲ 110 · 댓글 46 코드베이스도 '파이프처럼' 낡는다, AI는 악화만 시킨다 디코히어런스는 지역적으로 유효하지만 서로 양립 불가능하거나 중복된 모델들이 누적되어 변경 비용이 모델 간 번역과 부작용 방지로 지배당하는 상태를 설명한다. AI · 머신러닝 · The Decoherence Trap
Key Point AI 에이전트가 코드 품질을 악화시키고 기술 부채를 해결하지 못한다는 실증 데이터가 나오는 시점에, 현재의 자동화 전략이 왜 실패하는지를 이해하는 것이 중요하다.
핵심 요약
디코히어런스는 지역적으로 유효하지만 서로 양립 불가능하거나 중복된 모델들이 누적되어 변경 비용이 모델 간 번역과 부작용 방지로 지배당하는 상태를 설명한다. 시스템 변경 속도에 비례하여 증가하며, 시스템이 이미 디코히어런트할수록 지수적으로 증가한다. 현재 AI의 광범위한 사용으로 인해 지속 불가능한 속도로 발생하고 있다. 전체 요약 15문장 읽기 → 004 18:12 ▲ 14 · 댓글 2 비디오 AI가 스스로 관찰 방식을 개선한다 비디오 이해 에이전트는 현재의 '하네스(harness, 관찰 장치)'로 수집한 증거만으로는 실패 원인을 완전히 파악할 수 없다는 문제가 있다. AI · 머신러닝 · Video-RSI: Recursive Self-Improvement of Video Understanding Agents via Harness Evolution
Key Point 비디오 AI가 실패를 분석해 자신의 관찰 방식을 반복적으로 개선하는 새로운 접근법이 제시되었으며, 정확도를 유지하면서 계산 비용을 절감할 수 있다는 점이 실무 적용에 중요하다.
핵심 요약
비디오 이해 에이전트는 현재의 '하네스(harness, 관찰 장치)'로 수집한 증거만으로는 실패 원인을 완전히 파악할 수 없다는 문제가 있다. Video-RSI라는 새로운 프레임워크를 제시하는데, 언어 모델 스스로가 자신의 하네스를 수정해서 비디오를 재조사한다. 에이전트는 원본 학습 영상에 돌아가 추가 관찰을 통해 여러 실패 가설을 검증하고, 기존 실행 흔적을 벗어난 증거로 개선안을 뒷받침한다. 전체 요약 8문장 읽기 → 005 15:11 ▲ 77 · 댓글 2 에이전트를 위한 최적 실행 환경, AI가 학습해 설계한다 에이전트의 성능은 추론 능력뿐 아니라 작동하는 환경에도 의존하는 만큼, Builder 모델이 Target 모델을 위해 더 나은 실행 환경을 구축하는 방법을 연구했다. AI · 머신러닝 · Learning Meta-Skills for Agent Harness Design in Test-Time AI4AI
Key Point 모델의 가중치를 고정한 채로 실행 환경만 최적화해 성능을 크게 높이는 새로운 방식이 등장했으며, 이는 AI 에이전트의 미래 설계 방향에 영향을 미칠 수 있다.
핵심 요약
에이전트의 성능은 추론 능력뿐 아니라 작동하는 환경에도 의존하는 만큼, Builder 모델이 Target 모델을 위해 더 나은 실행 환경을 구축하는 방법을 연구했다. 두 모델의 가중치는 모두 고정된 상태에서 test-time AI-for-AI 방식을 적용했다. Builder가 학습한 경험을 재사용 가능하게 하기 위해 Meta-Skill을 도입했으며, 이는 언제 지원이 필요한지와 어떤 리소스를 제공할지를 규정하는 원칙이다. 전체 요약 8문장 읽기 → 006 18:11 ▲ 27 · 댓글 2 비디오 생성 모델로 로봇 팔 스스로 학습하게 하다 로봇이 새로운 작업을 배울 때 전문가 시연 데이터 없이 학습하는 문제를 다룬다. AI · 머신러닝 · EVO-WAM: Evolving World Action Models through Video-Action Verification
Key Point 시뮬레이션과 실제 환경 모두에서 로봇 정책 적응 성공률을 2.5배 이상 높이는 새로운 방식이 필요한 상황에서, 외부 데이터 수집 없이 모델 자체의 피드백 루프로 학습하는 접근법을 제시한다.
핵심 요약
로봇이 새로운 작업을 배울 때 전문가 시연 데이터 없이 학습하는 문제를 다룬다. 월드 액션 모델(WAM)은 비디오와 행동을 함께 예측해 작업 적응의 감독 신호로 쓰이지만, 생성된 영상이 작업 완료를 보여주지 못하거나 영상-행동 불일치로 실행 실패가 발생한다. EVO-WAM은 외부 환경 실행 없이 자체 생성 비디오-행동 궤적으로부터 학습해 WAM을 적응시킨다. 전체 요약 8문장 읽기 → 007 12:11 ▲ 60 · 댓글 1 실제 배포 데이터로 에이전트 테스트 벤치마크 자동 생성 TraceDance는 실제 에이전트 배포 기록에서 문제 행동을 추출해 목표형 벤치마크를 자동 구축하는 시스템이다. AI · 머신러닝 · TraceDance: An Automated System for Building Agent Behavior Benchmarks from Real-World Agent Deployment Traces
Key Point 실전 배포 데이터 252,557개에서 자동으로 테스트 벤치마크를 만드는 기법이 공개됐으며, 현재 최고 성능의 LLM들도 이 벤치마크에서 평균 26.7%의 낮은 통과율만 기록해 에이전트 시스템의 개선 과제를 명확히 한다.
핵심 요약
TraceDance는 실제 에이전트 배포 기록에서 문제 행동을 추출해 목표형 벤치마크를 자동 구축하는 시스템이다. Anchor-and-Confirm 기법은 프로그래머블 검색과 Flash LLM의 후보 수준 확인을 조합해 효율적으로 벤치마크를 만든다. Anchor Synthesis Loop는 사용자가 지정한 문제 행동에 대한 명세를 생성하고 반복적으로 개선한다. 전체 요약 8문장 읽기 → 008 21:11 당일 +138 Claude 코드용 388개 스킬·플러그인 공개 Alireza Rezvani가 Claude Code를 비롯한 13개 AI 코딩 도구용 388개의 프로덕션 급 스킬·플러그인·에이전트 스킬을 오픈소스로 공개했다. 오픈소스 · 도구 · alirezarezvani/claude-skills · Python
Key Point 13개 플랫폼을 하나의 표준으로 지원하는 388개 규모의 스킬 라이브러리로, 엔지니어부터 C레벨 경영진까지 모든 역할의 AI 코딩 에이전트 능력을 한 번에 확장할 수 있다.
핵심 요약
Alireza Rezvani가 Claude Code를 비롯한 13개 AI 코딩 도구용 388개의 프로덕션 급 스킬·플러그인·에이전트 스킬을 오픈소스로 공개했다. 엔지니어링, 마케팅, 제품, 규제·컴플라이언스, C레벨 어드바이저, 비즈니스·금융 등 20개 도메인을 다루며, 388개의 Python 도구(모두 표준 라이브러리만 사용)와 823개의 템플릿·체크리스트·도메인 참고 자료를 포함한다. Claude Code, OpenAI Codex, Gemini CLI, Cursor, Aider, Windsurf, Mistral Vibe, Hermes Agent 등 13개 플랫폼에 네이티브로 작동하며, 통일된 agentskills.io SKILL.md 표준을 사용한다. 전체 요약 11문장 읽기 →