쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 11월 16일 (월)까지4683건
3건 · "자동화 연구"조건 지우기 ×
001▲ 20 · 댓글 3장시간 연구 자동화, 상태 없는 에이전트로 풀다LLM 에이전트를 이용한 자동화 연구 시스템은 장시간 실행 중 대화 히스토리 반복, 중복 실험, 토큰 낭비 등으로 실패한다.AI · 머신러닝 · Stateless Language Agents: Scaling Long-Horizon Automated Research

Key PointLLM 에이전트 기반 자동화 연구의 실제 문제점(토큰 낭비, 중복 실험)을 구조적으로 해결하는 새로운 접근법이며, 아주 큰 예산에서 실질적인 효율 개선을 입증했다.
핵심 요약
- LLM 에이전트를 이용한 자동화 연구 시스템은 장시간 실행 중 대화 히스토리 반복, 중복 실험, 토큰 낭비 등으로 실패한다.
- 문제의 원인은 연구 상태를 에이전트가 들고 다니고 각 에이전트가 독립적으로 다음 시도를 결정하는 구조에서 비롯된다.
- Stateless Language Agents(SLA) 프레임워크는 역할을 바꿔 연구 상태를 하네스가 관리하고 매번 신선한 맥락만 에이전트에 제공한다.
전체 요약 8문장 읽기 → 002▲ 44 · 댓글 3LLM의 자동화 연구를 체계적으로 관리하는 'AIM' 프레임워크최신 LLM을 활용한 자동화 연구에서 아이디어 관리의 중요성을 제시하고, 아이디어 중심 탐색과 솔루션 중심 탐색을 구분했다.AI · 머신러닝 · AIM: Agentic Idea Management for Automated Research

Key PointLLM 기반 자동화 연구가 활발해지는 가운데, 단순한 시도-오류가 아닌 체계적 아이디어 관리 방식을 제시해 효율성을 대폭 높이는 방법론을 제공한다.
핵심 요약
- 최신 LLM을 활용한 자동화 연구에서 아이디어 관리의 중요성을 제시하고, 아이디어 중심 탐색과 솔루션 중심 탐색을 구분했다.
- 연구 아이디어 조직화, 유망한 방향 선택, 아이디어와 구현 간 정렬 유지라는 3가지 핵심 문제를 식별했다.
- Agentic Idea Manager(AIM)는 베이지안 최적화에서 영감을 받아, Agentic Surrogate와 Agentic Acquisition 메커니즘으로 발견된 아이디어를 조직화하고 선택을 안내한다.
전체 요약 7문장 읽기 → 003▲ 17 · 댓글 1AI 연구 에이전트가 자기 자신을 개선하다AI 연구 에이전트가 자신의 코드를 최적화하는 '재귀적 자기개선' 루프를 구현한 AIDE^2 시스템을 개발했다.AI · 머신러닝 · Recursive self-improvement of AI research agents

Key PointAI 에이전트가 자기 자신의 코드를 개선하는 자동화 루프에 성공하면, R&D 수익 감소 문제를 근본적으로 해결할 수 있는 경로가 열린다.
핵심 요약
- AI 연구 에이전트가 자신의 코드를 최적화하는 '재귀적 자기개선' 루프를 구현한 AIDE^2 시스템을 개발했다.
- AIDE^2는 자신의 코드를 수정 제안하고, 수정된 버전을 AI R&D 작업들로 평가한 후, 숨겨진 평가 세트에서 가장 좋은 성과를 낸 변경사항만 유지한다.
- 8일간의 자동 실행 중 AIDE^2는 새로운 탐색 정책과 에이전트의 성장하는 문맥을 압축·관리하는 메모리 메커니즘 등 7가지 연속적 개선을 발견했다.
전체 요약 7문장 읽기 →