쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 10월 30일 (금)까지 3636건
3건 · "환경 합성"조건 지우기 ×
001 15:11 ▲ 88 · 댓글 2 컴퓨터 사용 AI 에이전트, 오픈소스로 학습 환경 대규모 생성 Agent World Model in the Wild(WildAWM)는 컴퓨터 사용 에이전트(CUA) 학습을 위한 대규모 환경 합성 파이프라인으로, 실제 시스템에서의 위험 없이 상호작용 학습을 가능하게 한다. AI · 머신러닝 · Agent World Model in the Wild: Computer-Use Agent Environment Synthesis
Key Point 컴퓨터 상호작용을 수행하는 AI 에이전트 학습이 실제 환경의 안전 위험 없이 대규모로 가능해지는 방법이 제시되었고, 오픈소스만으로 구축 가능함을 입증했다.
핵심 요약
Agent World Model in the Wild(WildAWM)는 컴퓨터 사용 에이전트(CUA) 학습을 위한 대규모 환경 합성 파이프라인으로, 실제 시스템에서의 위험 없이 상호작용 학습을 가능하게 한다. 기존 단일 인터페이스 접근과 달리, 그래픽 사용자 인터페이스·모델 컨텍스트 프로토콜 서비스·커맨드 라인 인터페이스를 함께 지원해 시각 상호작용·도구 사용·코드 실행을 자유롭게 조합할 수 있다. 오픈소스 모델만으로 구성되어 있으며, 폐쇄형 최신 모델 없이도 고품질 컴퓨터 사용 환경 생성이 가능함을 보여준다. 전체 요약 7문장 읽기 → 002 15:11 ▲ 138 · 댓글 2 긴 작업 완수하는 AI 에이전트 학습 데이터 합성법 공개 장시간에 걸쳐 현실의 전문 업무를 완료하는 터미널 에이전트 개발에 적합한 학습 데이터가 부족한 문제를 다룬다. AI · 머신러닝 · Scaling Agentic Data for Long-Horizon Terminal Intelligence
Key Point 장시간 복잡한 작업을 자율적으로 완료해야 하는 AI 에이전트 개발 시 학습 데이터의 질과 특성이 모델 성능을 크게 좌우하기 때문에, 현실 기반의 효과적인 데이터 합성 방법론은 에이전트 연구 진행에 직결된다.
핵심 요약
장시간에 걸쳐 현실의 전문 업무를 완료하는 터미널 에이전트 개발에 적합한 학습 데이터가 부족한 문제를 다룬다. 기존 환경 합성 방식은 탐색, 구현, 검증 같은 에이전트의 핵심 활동을 미리 완료해 버려서 에이전트가 배울 수 없다는 한계가 있다. 이를 해결하기 위해 TerminalHorizon이라는 자동화된 데이터 합성 엔진을 제안하는데, 실제 전문 업무에서 시작해 독립 실행으로 빠진 작업을 파악하고 환경을 재구성한다. 전체 요약 7문장 읽기 → 003 18:12 ▲ 92 · 댓글 2 AI 에이전트 학습용 소프트웨어 환경 자동 생성 기술 Computer-use agent(CUA)는 발전 중이지만 다양하고 신뢰할 수 있는 소프트웨어 환경을 대규모로 합성하는 것이 어려운 상황이다. AI · 머신러닝 · SoftwareGym: Scaling Computer-Use Agent Training with Diverse Synthesized Software Environments
Key Point 자동 생성된 소프트웨어 환경으로 학습한 AI 에이전트가 기존 벤치마크에서 대폭 성능을 향상시켜, CUA 개발의 데이터 부족 문제에 새로운 해결책을 제시한다.
핵심 요약
Computer-use agent(CUA)는 발전 중이지만 다양하고 신뢰할 수 있는 소프트웨어 환경을 대규모로 합성하는 것이 어려운 상황이다. 기존 네이티브 애플리케이션 환경은 구축과 통합에 많은 노력이 필요해 범용성이 낮고 오버피팅 위험이 있으며, 브라우저 기반 환경은 상호작용 깊이와 워크플로우 복잡성이 제한적이다. SoftwareGym은 다양한 인터페이스, 실행 가능한 기능, 런타임 검증된 동작을 갖춘 GUI 소프트웨어 환경을 자동으로 합성하는 파이프라인이다. 전체 요약 8문장 읽기 → 
