The Auton Agentic AI Framework

Snapchat의 Auton Agentic AI Framework는 자율 에이전트 시스템을 위한 선언적 아키텍처를 제안하며, '인지 청사진'과 '런타임 엔진'을 통해 에이전트 정의와 실행을 표준화한다.

Snapchat의 Auton Agentic AI Framework는 자율 에이전트 시스템을 위한 선언적 아키텍처를 제안하며, '인지 청사진'과 '런타임 엔진'을 통해 에이전트 정의와 실행을 표준화한다. 이 프레임워크는 계약 기반 상호작용, 지속적 학습, 결정론적 안전성, 향상된 추론 효율성을 가능하게 하여 기업급 자율 배포를 위한 '통합 역설'과 '생태계 파편화'를 해결하는 것을 목표로 한다.

핵심 요약

• 확률적 대규모 언어 모델(LLM) 출력과 백엔드 인프라의 결정론적이고 스키마를 준수하는 입력 요구사항 사이에는 근본적 불일치가 있는데, 이것이 '통합 역설'이다.
• 에이전트 개발에 만연한 '생태계 파편화'는 통일된 표준의 부재로 특징지어지며, 벤더 종속, 낮은 감사 가능성, 제한된 언어 간 이식성으로 이어진다.
• 현재의 LLM 기반 에이전트는 흔히 무상태성을 겪고, 지속적 메모리가 없으며, 안전 보장이 제한적이어서 실제의 임무 핵심적 환경에 배포되기 어렵다.
• 에이전트 명세를 위한 선언적이고 언어 비종속적인 '인지 청사진'(AgenticFormat Standard)을 실행을 위한 플랫폼 특화 '런타임 엔진'과 엄격히 분리했다.
• 신중한 행동을 보장하기 위해 잠재 추론 공간과 인수분해된 정책 구조를 포함하는, 확장된 부분 관측 마르코프 결정 과정(POMDP)에 기반한 형식적 에이전트 실행 모델을 제시했다.
• 인지적 지속성을 위한 계층적 메모리 구조와, 행동 생성 중 정책 투영을 통해 '구성에 의한 안전성'을 강제하는 '제약 다양체' 형식론을 제시했다.

논문 링크

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