쌓인 기록에서 찾기
무엇을 찾으세요?
날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위부터 2026년 10월 30일 (금)까지3636건
3건 · "테스트 타임 스케일링"조건 지우기 ×
001▲ 10 · 댓글 2LLM 에이전트 검증 메커니즘, 독립적 리뷰가 최적LLM 에이전트가 도구를 통해 작업을 수행할 때 검증 체계가 출력 품질을 개선하는데, 어떻게 설계해야 하는지에 대한 연구.AI · 머신러닝 · Rethinking Verification in Agent Harnesses
Key PointLLM 에이전트의 출력 품질을 높이는 가장 비용 효율적인 검증 방식이 무엇인지 실증적으로 규명해, 실제 에이전트 시스템 설계 시 어떤 구조를 채택할지 결정하는 기준을 제시합니다.
핵심 요약
- LLM 에이전트가 도구를 통해 작업을 수행할 때 검증 체계가 출력 품질을 개선하는데, 어떻게 설계해야 하는지에 대한 연구.
- 초기 지시사항, 중간 리마인더, 완료 게이트, 독립적 리뷰 등 에이전트 생명주기의 4가지 계층에서 검증 시점과 방식을 비교.
- Terminal-Bench와 SWE-bench Verified에서 7개 최신 LLM의 17가지 검증 설계를 평가하고, 시각적 산출물 평가용 VisualBench 도입.
전체 요약 9문장 읽기 →AI · 머신러닝 · From Pareto to Preference: Personalized Test-Time Scaling via Amortized Agentic Policy Discovery
Key PointLLM 추론 과정을 다양한 사용자 요구(정확도·비용·속도)에 맞춰 최적화하는 문제를 처음 체계적으로 정식화하고, 이전 탐색 경험을 재사용해 계산 효율까지 확보하는 실용적 방법을 제시했다.
핵심 요약
- LLM의 테스트 타임 스케일링(TTS)은 추가 추론 계산을 할당해 추론 능력을 개선하지만, 기존 방식들은 정확도-비용 또는 정확도-지연시간 중 하나의 파레토 경계만 최적화한다.
- 사용자 요구는 다차원적이다: 정확도, 지연시간, 추론 비용을 동시에 명시할 수 있으며, 서로 다른 요구는 다른 컨트롤러를 필요로 한다.
- PersonTTS는 사용자별 요구사항을 최대한 만족시키는 실행 가능한 컨트롤러를 발견하는 스케줄링 문제로 정식화한다.
전체 요약 7문장 읽기 →AI · 머신러닝 · DiVeR: Decision-Critical Verifier Learning for VLA Test-Time Scaling
Key Point테스트 타임 스케일링으로 추가 데이터 없이 로봇 정책의 성능을 높일 수 있는 구체적인 방법을 제시해, 로봇 학습의 데이터 비용 문제를 다루는 실질적 접근이 된다.
핵심 요약
- 로봇의 시각-언어-행동(VLA) 정책 성능을 높이려면 대량의 로봇 데이터가 필요하지만, 실제 데이터 수집 비용이 매우 크다는 문제가 있다.
- 기존 검증기는 여러 행동 후보를 샘플링한 뒤 궤적 전체 결과만 보고 학습해 비효율적이며, 모든 상태를 동등하게 취급한다.
- 실제로는 많은 상태에서 행동 선택지가 비슷해 판단 신호가 약하지만, 소수의 결정 임계 상태에서만 행동 선택이 나중 결과에 큰 영향을 미친다.
전체 요약 6문장 읽기 →