Harnessing Agentic Evolution

홍콩과학기술대학교(광저우)와 DeepWisdom 등의 연구진이 에이전트형 진화를 위한 통제된 메타 편집 프레임워크 AEVO를 개발했다.

홍콩과학기술대학교(광저우)와 DeepWisdom 등의 연구진이 에이전트형 진화를 위한 통제된 메타 편집 프레임워크 AEVO를 개발했다. 이는 진화를 외부 메타 에이전트가 기저의 진화 메커니즘을 수정하는 인터랙티브 환경으로 재정식화하여, 개방형 최적화 과제와 표준 벤치마크에서 우수한 성능을 달성한다.

핵심 요약

• 기존의 에이전트형 진화 방법은 절차 기반이든 에이전트 기반이든 장기 탐색에 어려움을 겪으며, 종종 국소 최적해에 정체되거나 '컨텍스트 표류'에 시달린다.
• 절차 기반 진화는 경직되어 있어, 탐색 공간의 특성이 바뀔 때 적응하지 못하는 고정된 규칙에 의존하므로 지속적 개선이 제한된다.
• 축적된 증거인 후보, 피드백, 실패를 조직하고 이를 사용해 진화 메커니즘 자체를 수정할 안정적이고 체계적인 메커니즘이 부재하다.
• 이 논문은 모든 후보, 피드백, 추적, 비용의 축적된 이력이 관찰 가능한 프로세스 수준 상태를 구성하는, 인터랙티브 환경으로서의 에이전트형 진화를 정식화한다.
• 외부 메타 에이전트가 이 프로세스 수준 상태를 관찰하여 '메타 행동'을 생성하는 통제된 메타 편집 프레임워크 AEVO를 도입한다.
• 이러한 메타 행동은 새 후보를 직접 생성하는 대신, 향후 진화가 진행되는 방식을 제어하는 메커니즘을 전략적으로 편집한다. 예를 들어 절차나 에이전트 운영 컨텍스트를 수정한다.

논문 링크

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