Aviary

Aviary는 일회성 데모가 아니라 학습 가능한 환경으로 과학 에이전트 작업을 전환한다.

Aviary는 까다로운 과학 작업에서 언어 에이전트를 학습하고 평가하기 위한 확장 가능한 짐나지움이다. 이 논문은 에이전트를 언어 기반 부분 관측 마르코프 결정 과정인 언어 결정 과정에서 행동하는 정책으로 형식화한다. Aviary는 다섯 개의 환경을 구현하며, 여기에는 DNA 구조체 조작을 통한 분자 클로닝, 과학 문헌 질의응답, 단백질 안정성 공학이라는 생물학 중심 과학 작업 세 가지가 포함된다. 온라인 학습과 확장된 추론 시점 연산을 결합함으로써, 저자들은 오픈소스 비프런티어 LLM을 기반으로 한 에이전트가 훨씬 낮은 추론 비용으로 여러 작업에서 프런티어 LLM 에이전트 및 인간 전문가와 동등하거나 이를 능가할 수 있음을 보여준다. 주된 기여는 과학 에이전트 행동을 측정 가능하고 학습 가능하며 비교 가능하게 만드는 실용적 프레임워크다.

핵심 요약

• 프레임워크 측면에서 Aviary는 추론, 도구, 코드, 반복적인 행동-관측 루프를 사용하는 언어 에이전트를 위한 짐나지움 형태의 환경을 제공한다.
• 형식화 측면에서 에이전트는 언어 결정 과정의 정책으로 취급되며, 이는 언어 기반 부분 관측 마르코프 결정 과정 형식화다.
• 작업으로는 분자 클로닝, 문헌 기반 연구 QA, 단백질 안정성 공학이 포함되며, 모두 다단계 과학적 추론을 요구한다.
• 결과적으로 온라인 학습과 추론 시점 확장을 통해 오픈소스 비프런티어 LLM 에이전트가 훨씬 낮은 비용으로 프런티어 에이전트 및 인간 전문가와 경쟁할 수 있다.

논문 링크

외부 연구를 정리한 자료입니다. HDATF가 발표한 논문이나 제품 성능을 측정한 결과는 아닙니다.