Epi: Towards a Persistent, Self-Improving Agent for Autonomous Research

이 논문은 모델 세션을 넘어 연구를 이어가는 자율 연구 에이전트 문제를 계층 기억, 분기, 독립 검토로 풀어 수학 신기록과 정리 증명을 만들어냈다.

이 논문은 한마디로 세션 경계를 넘어 조사를 이어가며 쌓은 경험으로 방법을 발전시키는 자율 연구 에이전트 Épi를 소개한다. Épi는 계층 기억으로 연구 상태와 교훈을 보관하고, 버전 관리 분기로 대안 방법을 개발하며, 독립 검토 모델로 증거 해석을 다시 검증한다. 검증 가능한 수학 문제에서 120개의 신기록을 냈고 투자 추측의 새로운 경우를 컴퓨터 보조 증명했다. 가벼운 설정 Épi-turbo는 알고리즘 코딩 과제에서 Codex보다 총점 5.4% 높은 성적을 모델 비용 64%로 냈다.

핵심 요약

• Épi는 계층 기억, 버전 관리 분기와 되돌리기, 독립 검토를 함께 써서 모델 세션을 넘어 조사를 이어가고 방법을 발전시켰다.
• Épi는 12개 문제군의 수치 경계 20건과 8개 문제군의 구성 100건을 합쳐 120개의 신기록을 냈다.
• n-퀸 상수의 구간은 약 84배 좁아졌고 4차 Feigenbaum 어트랙터 차원의 엄밀한 구간은 3.6-million-fold보다 많이 좁아졌다.
• 정확한 쌍대 증명서로 Cohn–Elkies 선형계획 경계가 차원 10과 11에서 날카롭지 못하다는 사실을 확정했다.
• Épi는 8-꼭짓점 클릭 부분과 세 개 이하의 삼각형 활성 이웃 유형을 가진 분할 그래프에서 투자 추측을 컴퓨터 보조로 증명했다.
• 가벼운 설정 Épi-turbo는 30개 FrontierOR 과제에서 Codex보다 총 벤치마크 점수가 5.4% 높았고 모델 비용은 64%만 들었다.

논문 링크

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