DSWorld: A Data Science World Model for Efficient Autonomous Agents

데이터사이언스 워크플로에서 실제 실행 없이 다음 상태를 예측하는 '세계 모델'을 제안해 에이전트 학습을 14배, 추론을 3~6배 가속한 논문이다.

이 논문은 한마디로 데이터사이언스 작업의 결과를 미리 예측하는 세계 모델이다. 무거운 계산이 필요한 작업은 LLM 시뮬레이터가 예측하고, 가벼운 작업은 실제로 실행한다. 이를 통해 RL 기반 에이전트 학습을 14배, 검색 기반 추론을 3~6배 가속하면서도 성능은 유지했다.

핵심 요약

• 데이터사이언스 작업 상태 전이(state transition)를 예측하는 '데이터 사이언스 세계 모델' 개념을 처음 제안했다.
• 가벼운 작업은 실제 실행, 무거운 작업은 LLM 시뮬레이터로 예측하는 비용 인식 라우팅을 도입했다.
• RL 에이전트 학습을 약 14배 가속하고, 검색 기반 추론을 3~6배 가속했다.
• 전이 예측 과제에서 최강 LLM 기준보다 35.6% 높은 정확도를 기록했다.

논문 링크

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