Research Monitoring

이 논문은 한마디로 강화학습에서 토큰 단위 대신 실행 가능한 행동 메뉴 위에서 직접 확률을 최적화하는 RLiD 프레임워크를 제안한다.

관찰과 간단한 기억, 라벨이 붙은 행동 메뉴를 한 번의 순전파로 읽어 행동을 고르는 큰 결정 모델을 쓴다. ALFWorld에서 전체 파이프라인이 12.7 H100 GPU 시간으로 성공률 99.3%에 도달했고 같은 LLM의 토큰 수준 RL은 17.3 GPU 시간에 86.6%였다. 결정 평면에서 훈련된 정책을 생성형 LLM으로 증류해 행동 목록 없이도 성공률을 유지한다.

• •저자들은 토큰 수준 RL의 신용이 행동 표현 방식에 흔들리는 문제를 없애기 위해, 실행 가능한 행동 메뉴 위에서 한 번의 순전파로 행동을 고르는 큰 결정 모델을 강화학습하는 RLiD를 제안했다.
• •정리 1에서 같은 행동으로 이어지는 여러 문장 표현을 한데 묶으면 기댓값을 바꾸지 않고 표현에서 오는 분산을 없앤다는 것을 보였다.
• •FrozenLake 정밀 감사에서 정확한 어드밴티지를 쓴 결정 평면 배치 그래디언트는 참 그래디언트와 코사인 0.88을 보였고, 토큰 정책 점수의 두번째 모멘트 가운데 71%에서 97%는 표현 분산이었다.
• •ARC에서 Qwen2.5-1.5B 결정 모델은 0.12 GPU-h 만에 78.6%에 도달해 1.17 GPU-h 를 쓴 토큰 GRPO의 75.9%를 앞섰고, 같은 러너의 Sokoban에서는 44.5%로 모든 토큰 변형을 넘었다.
• •ALFWorld에서 증류와 학생 RL을 합친 전체 경로는 12.7 H100 GPU-h 만에 성공률 99.3%에 도달했고, 같은 LLM의 토큰 수준 RL은 17.3 GPU-h 를 써도 86.6%였다.
• •메뉴가 없는 배포 조건에서도 생성형 증류 학생은 99.3%의 보지 못한 게임 성공률을 유지했고 메모리 없이는 90.5%를 기록했다.

이 논문은 한마디로 LLM 코딩 에이전트의 자율 연구가 하나의 창고에 특화된 로봇 계획기 패치를 만들어 처리량을 22–60% 끌어올렸다.

연구진은 결합 계획기 ITA-LaCAM을 실제 창고를 본뜬 바닥에서 여섯 차례 캠페인으로 튜닝하게 했다. 에이전트는 복도 출구 우선순위 같은 알려진 MAPF 기법을 스스로 다시 찾아냈고, 같은 병목을 독립적으로 발견했다. 최종 패치는 커밋 단위로 검토할 수 있을 만큼 작았다.

• •LLM 코딩 에이전트가 9.0k 줄짜리 범용 다중 로봇 계획기를 한 창고 사이트에 맞게 특화하는 자율 연구를 여섯 차례 수행했다.
• •모든 캠페인의 최고 패치가 기준선보다 처리량을 22–60% 높였고 새로운 시드 20개에서도 이득이 유지되었다.
• •에이전트는 복도 출구 우선순위와 국소 안내, 롤아웃 같은 알려진 MAPF 기법을 스스로 다시 찾아냈고 독립 캠페인들이 같은 병목을 발견했다.
• •이득은 다른 배치와 더 큰 함대, 다른 서비스 시간에도 대부분 이어졌지만 출발 중심 수요에서는 거의 사라졌다.
• •최종 패치는 0.7k–2.4k 줄이고 향상 단계의 중간값이 27 줄이라 전문가가 커밋 단위로 검토할 수 있다.
• •검토는 점수가 놓치는 문제를 찾아냈고 일부 패치는 계획기 계산량을 100배 이상 늘렸다.

이 논문은 한마디로 추천을 필요 이해, 계획, 실행, 반성, 수리로 이어지는 에이전트 결정 과정으로 바꾸고, 실패를 결정 단계별로 찾아 고친 뒤 그 경험을 쌓아 가는 프레임워크 EvoRec을 제안한다.

쿠아이슈우 로컬 광고 데이터에서 가장 강한 기준보다 Hit@50을 15.7% 올렸고, 7일 온라인 A/B 시험에서 광고 수익을 4.6% 늘렸다. 핵심은 동적 반사 트리가 필요 추론, 계획, 이전 수리 전략 중 어디가 틀렸는지 찾아 개인화 수리 전략을 만들고 재실행으로 검증한다는 점이다. 에이전트 파라미터를 갱신하지 않고 작업 기억을 통해 자기 진화가 일어난다.

• •저자들은 추천을 필요 이해에서 계획, 실행, 피드백, 반성, 수리로 이어지는 닫힌 순환으로 만드는 통합 에이전트 추천 프레임워크 EvoRec을 제안했다.
• •필요 에이전트가 장기, 단기, 작업 기억에서 구조화된 사용자 필요를 끌어내고, 계획 에이전트가 행동 지속과 필요 충족 두 경로에 검색 예산 3,000을 나누며 도구와 랭킹 가중치를 고른다.
• •동적 반사 트리가 실패를 필요 추론, 계획, 이전 수리 전략 가운데 어디서 왔는지 찾아내고, 개인화 수리 전략을 만들어 다시 실행해 효과를 검증한다.
• •검증된 수리 전략은 작업 기억으로 들어가 이후 결정을 안내하고, 사용자 간에 재사용 가능한 전략으로 추상화되어 에이전트 파라미터 갱신 없이 자기 진화가 이어진다.
• •쿠아이슈우 로컬 서비스 광고 데이터에서 EvoRec은 가장 강한 기준 대비 Hit@50을 15.7% 올렸고, 반성 경험이 쌓인 사용자 18.5%에서는 Hit@50이 13.1% 올랐다.
• •7일 온라인 A/B 시험에서 근사선 배포된 EvoRec은 광고 수익을 4.6%, CTCVR을 3.5% 늘렸고 고의도 사용자에서는 수익이 14.5% 올랐다.

이 논문은 한마디로 컴퓨터 사용 에이전트의 작업 완료 판정을 검증자가 직접 환경과 녹화를 탐색하며 증거를 모으는 과정으로 만드는 틀 VeriCUA를 제안한다.

검증자는 먼저 사용할 수 있는 문맥을 살펴 과제 루브릭을 만들고, 남은 요건마다 GUI 또는 코드 검사를 골라 증거를 모은다. 증거 규칙이 출처 속성에 따라 결과를 결합해 성공, 실패, 보류 판정을 낸다. 온라인과 오프라인 설정 모두에서 기준 판정자보다 높은 일치도를 보였다.

• •검증자가 환경이나 녹화를 먼저 살펴 문맥을 얻은 뒤 지시문에 맞는 세분화 루브릭을 만들고 각 요건에 GUI 또는 코드 검사를 골라 증거를 모았다.
• •긁어온 증거에 입증과 주장 출처 표식을 붙여 에이전트의 완료 선언은 단독으로 요건 충족 판정에 쓰지 못하게 했다.
• •안드로이드월드 온라인 환경에서 정확도 90.5%, 거짓 양성률 7.7%로 비교 기준보다 가장 높은 정확도와 가장 낮은 거짓 양성률을 얻었다.
• •오프라인 검증에서 OSReward-Hard 정확도 70.4로 비교한 판정자 가운데 가장 앞섰고 어려운 사례에서 격차가 컸다.
• •코드 기반 상태 읽기를 더하면 결정률과 재현율이 오르고 거짓 양성은 그대로였으며, 시각 검사 통과를 더하면 일치도와 결정률이 모두 87%에 닿았다.
• •세 온라인 환경에서 거짓 완료 보고의 약 80%를 걸러냈고 그 차이는 ScienceBoard에서 가장 컸다.

이 논문은 한마디로 시뮬레이션 제작을 코딩 에이전트 과제로 보고, 미국 GDP 데이터로 선정한 가치 있는 물리 작업의 시뮬레이션을 에이전트가 만들고 감사 에이전트가 검증하게 한 연구다.

이 파이프라인으로 25개 시뮬레이션과 25개 시험, 175개 학습 RL 환경을 담은 RoboWorld 벤치마크를 만들었다. 최첨단 모델들은 시험 과제 전부에서 성공률 0%였고, 권한 있는 상태로 쓴 코드 폴리시의 시연으로 학습한 π0.5는 성공률 0%에서 53%로 올라갔다.

• •연구진은 미국 GDP 데이터에서 직업과 일상 활동을 원자적 물리 행동으로 쪼개 120개 행동 그룹을 뽑고, 그중 25개 시뮬레이션을 코딩 에이전트가 만들게 했다.
• •생성 에이전트와 4개 감사 에이전트가 3라운드 동안 물리 오류와 악용 가능성을 잡아내는 생성-감시 반복문으로 시뮬레이션 품질을 검증했다.
• •그 결과물 RoboWorld는 25개 시뮬레이션에 25개 시험 환경과 175개 학습 RL 환경을 포함하며 로봇 교체와 장면 변형을 지원한다.
• •최첨단 모델 3개는 25개 시험 과제 모두에서 성공률 0%였고 평균 보상은 최고 0.06에 그쳤으며, 더 쉬운 25과제에서는 Claude Opus 5.5가 성공률 32%를 달성했다.
• •권한 있는 상태를 읽는 코드 폴리시가 2,048개 초기 상태 중 96.7%를 성공시켰고, 그 시연 1,000개로 학습한 π0.5는 두 과제에서 성공률을 0%에서 53%로, 못 본 변형에서는 55%로 끌어올렸다.
• •한계로, 로봇 자유도가 늘수록 성공률이 떨어져 휴머노이드 과제에서는 두 GPT 모델이 보상을 전혀 얻지 못했다.

이 논문은 한마디로 영상 생성 모델을 둘러싼 에이전트 하니스를 단위 분석 삼아 세 설정을 하나로 묶은 조사 보고서다.

첫째로 에이전트적 영상 제작에서 하니스가 계획, 자산, 촬영, 편집을 조율하는 방식을 정리했다. 둘째로 에이전트적 세계 모델에서 관측, 제어, 상태를 하니스가 어떻게 매개하는지와 엔진이 상태를 들고 영상 모델이 그리는 하이브리드 설계를 분석했다. 셋째로 재귀적 자기 개선 관점에서 출력 수정과 하니스, 생성기, 개선 절차 갱신을 구분하고 아직 절차 자체를 고친 시스템은 없다고 밝혔다.

• •보고서는 에이전트 하니스를 문맥 구성, 도구 노출, 상태 유지, 피드백 경로, 예산 집행을 담당하는 실행 런타임으로 정의하고 영상 생성 전반에 적용했다.
• •에이전트적 영상 제작 파트에서는 하니스가 대본과 슛 계획, 자산 관리, 촬영, 편집, 출처 표시를 공유 프로젝트 상태로 묶어 조율한다고 정리했다.
• •세계 모델 파트에서는 가벼운 게임 엔진이 세계 상태와 상호작용 규칙을 들고 있고 자기회귀 영상 모델이 그 결과를 화면으로 그리는 실행 가능한 게임 하니스 설계를 분석했다.
• •실시간 사례로 한 장의 H100에서 약 32 frames per_second 계산 속도와, 키 입력에서 화면 표시까지 112 milliseconds에 도달한 시스템을 소개했다.
• •재귀적 자기 개선 파트에서는 현재 출력 수정, 하니스 상태 갱신, 생성기 파라미터 갱신, 개선 절차 자체의 변경을 구분했고 검토한 시스템 중 생성기를 학습하고 검증하는 절차를 고친 사례는 아직 없다고 밝혔다.
• •남은 과제로 자율 영상 제작, 평생 기억, 프로그램과 화소의 하이브리드 생성, 사람 개입 없는 모델 개발, 출처 추적과 비용 계산을 들었다.

이 논문은 한마디로 모델 가중치와 실행 코드를 얼어붙인 채 외부 지식만 원자적으로 고쳐 나가는 산업 광고 에이전트 적응 틀 KARMA를 제안한다.

결정적 검증기가 오류를 후보 지식 모듈로 연결하고, 비평가가 성공과 실패 궤적을 비교해 수정안을 내면, 진화자가 작은 지식 패치를 만든다. 검증 세트에서 얻은 점수가 문턱을 넘을 때만 패치를 남기고 아니면 이전 지식으로 되돌린다. 여섯 도메인과 세 모델 계열에서 평균 홀드아웃 점수를 30.19에서 39.15로 올렸다.

• •지식을 역할, 도메인, 경험, 제약, 출력 규약, 행동 설명의 여섯 개 모듈로 나누고 한 주기에 최대 세 개의 원자적 수정만 허용했다.
• •결정적 검증기가 실패를 오류 계급과 규약 코드로 나눠 후보 모듈을 정하고, 비평가가 실패와 성공 궤적을 함께 비교해 수정안을 냈다.
• •검증 세트에서 얻은 점수가 θ = 0.01 문턱에 못 미치면 수정 전 지식 전체를 복원해 회귀를 막았다.
• •18개 도메인 모델 설정에서 평균 홀드아웃 점수를 30.19에서 39.15로 8.96 포인트, 즉 29.7% 올렸다.
• •성공 궤적이나 실패 궤적 중 하나만 쓰면 평균 홀드아웃 향상이 절반 이하로 떨어졌다.
• •한 도메인에서 진화한 지식을 다른 도메인에 그대로 옮겨 쓰면 30개 조합에서 평균 8.54 포인트를 얻었다.

이 논문은 한마디로 최첨단 에이전트들조차 여러 과학 분야의 논문 실험을 완전히 재현하지 못한다는 점을 보였다.

PAPERBENCHX는 12개 연구 분야 93개 과제를 10개 도메인 과학 소프트웨어 환경에서 수행한다. 모든 제출물을 깨끗한 환경에서 처음부터 다시 실행하고 재생된 증거만 전문가 검증 기준으로 채점한다. 최고 구성도 90% 문턱을 넘은 과제가 13개뿐이었다.

• •PAPERBENCHX는 12개 연구 분야 93개 논문 재현 과제로 이루어진 벤치마크다.
• •과제는 Ansys HFSS, Meep, PySCF/GPU4PySCF, AutoDock Vina, Habitat 같은 10개 도메인 과학 소프트웨어 환경에서 수행된다.
• •모든 제출물을 깨끗한 환경에서 처음부터 다시 실행하고 에이전트 주장 대신 재생된 증거만 숨겨진 루브릭으로 채점한다.
• •10개 최첨단 에이전트 구성 중 최고인 GPT-6-Astra도 부분 점수 59.08%에 완전 재현율 13.98%에 그쳤다.
• •71개 과제는 어떤 구성도 완전 재현에 성공하지 못했다.
• •모델링과 실행 단계는 평균 62.73%와 61.83%를 받았지만 검증 단계는 42.91%에 그쳐 과학적 검증이 가장 약했다.

이 논문은 한마디로 분자 발견 에이전트 MolRSI가 과거 과제의 경험을 persistent memory에 쌓아 워크플로우 탐색 정책을 재귀적으로 개선하게 만든 연구다.

Explore Agent가 논문과 코드를 검증된 실행 스킬로 바꾸고, 경험이 이끄는 몬테카를로 트리 탐색(MCTS)으로 워크플로우를 만들고 고친다. 항생제 스크리닝에서 실험 적중률 15.9%로 전문가 워크플로우의 8.7%를 넘었고, 펩타이드-MHC 바인더 설계에서는 8개의 실험적 히트를 냈다.

• •MolRSI는 과학 논문과 코드를 검증된 실행 스킬로 바꾸고, 경험이 이끄는 몬테카를로 트리 탐색(MCTS)으로 워크플로우를 조립하고 개선했다.
• •25개 원천 과제에서 얻은 성과, 수정 결과, 실행 기록을 persistent memory에 저장해 이후 과제의 탐색 정책을 재귀적으로 개선했다.
• •항생제 가상 스크리닝에서 107개 화합물 중 17개가 MIC 32µg/mL 이하의 항균 활성을 보였고, 실험 적중률 15.9%는 전문가 주도 워크플로우의 8.7%보다 높았다.
• •펩타이드-MHC 바인더 설계에서 MART-1과 SARS-CoV-1에 대해 각각 5개, 3개씩 모두 8개의 실험적 히트를 냈고, 같은 조건의 Claude Science는 히트를 내지 못했다.
• •소형분자 자원 라이브러리는 110개의 재사용 가능한 스킬(모델 55, 메서드 48, 도구 7)로 구성했고, 단백질 라이브러리는 65개 스킬로 구성했다.
• •한계로, 저자들은 생물학적 표적과 평가 기준이 바뀌어도 정책 갱신이 유용한지가 남은 과제이며 실험 결과를 정책 갱신에 넣는 것은 향후 작업이라고 밝혔다.

이 논문은 한마디로 멀티모달 도구 에이전트에 검사자와 계속 풀이 역할을 넣어 전체 궤적을 함께 학습하는 강화학습 틀 MRC-MMAgent를 제안한다.

풀이자가 증거를 모아 답을 내면 검사자가 답이 증거로 충분히 뒷받침되는지 판단하고, 부족하면 풀이를 이어가게 한다. 세 역할의 보상을 하나의 궤적 보상으로 묶어 모든 역할 결정에 전체 궤적 GRPO를 적용한다. 추가 데이터 없이 기존 학습 세트만으로 여러 벤치마크에서 최고 수준 성적을 보였다.

• •풀이, 검사, 계속의 세 역할을 하나의 실행 가능한 에이전트 루프 안에 넣고, 검사자가 답의 증거 지지를 판단해 마무리하거나 풀이를 계속하게 했다.
• •작업 성공, 상호작용 유효성, 검사 후 수정 성공을 하나의 궤적 보상으로 묶고 (λacc, λfmt, λcorr) = (0.7, 0.1, 0.2) 가중치로 합쳤다.
• •전체 궤적 GRPO가 결합 보상을 모든 역할 결정에 전달해 역할별 마스크 최적화가 만드는 사후 역할 귀속 편향을 피했다.
• •MMSearch-R1 학습 세트만 써서 기반 모델보다 11.1 포인트 올렸고 8B 모델 평균 68.1로 같은 규모 시스템 가운데 가장 앞섰다.
• •이미지 추론 벤치마크에서도 V* Bench 93.2, HR-Bench 8K 78.5로 가장 좋은 성적을 얻었고 기반 모델보다 V* Bench +6.8, HR-Bench 8K +3.9 올랐다.
• •검사자를 학습하지 않으면 98.3%의 궤적을 계속으로 표시해 불필요한 수정이 늘었고, 학습하면 계속 비율이 60.4%로 줄고 정확도가 62.7에서 64.0으로 올랐다.

이 논문은 한마디로 강한 신원 정보 없이 대화에서 미성년자 가능성을 추정하는 고위험 과제를 제약된 하니스로 푼 방법이다.

시스템은 언제 추론을 시작할지 정하는 트리거, 대화에 묶인 구조화 증거, 검증 관문을 통과해야 하는 하니스 버전 관리로 구성된다. 8,328건 중국어 다중 턴 대화 기준에서 같은 LLM 직접 추론보다 평균 정밀도와 F1을 각각 7.60, 6.37 포인트 올렸다.

• •이 논문은 계정이나 얼굴 같은 강한 신원 정보 없이 여러 차례 대화의 약한 단서만으로 현재 화자가 미성년자일 가능성을 추정하는 문제를 정식화했다.
• •저자는 고정 LLM과 버전 관리되는 Harness, Maker-Checker 검토로 이루어진 제약 프레임워크를 제안했고, 하니스가 추론 시점과 증거 표현, 출력 검증을 통제한다.
• •결정적 근거는 현재 대화에서 찾을 수 있는 짧은 인용이나 거의 그대로인 구절이어야 하고, 다른 사람 회상이나 인용문은 화자 판단 근거로 쓰지 못하게 막았다.
• •하니스 개선은 검증 데이터에서 관문 조건을 통과한 후보만 승격하고 통과 못 하면 이전 버전을 유지해, 한 번의 수정이 기존 정답을 망치는 퇴행을 막았다.
• •중국어 8,328건 다중 턴 대화 기준에서 같은 LLM 패밀리 직접 추론보다 평균 정밀도를 7.60 포인트, 미성년 클래스 F1을 6.37 포인트 올렸다.
• •50명 참가자 난제 연구에서 사람 평균 정확도는 72.6%였지만 경계 사례에서는 54.8%로 떨어져, 어려운 사례는 사람도 판단을 다툰다고 보았다.

이 논문은 한마디로 에이전트 강화학습의 지도 신호를 궤적 단위에서 오류 단위로 좁힌 방법이다.

저자는 성공한 궤적에도 오류가 있고 실패한 궤적에도 옳은 행동이 있다는 결과-단계 불일치를 먼저 보였다. SCOPE는 가벼운 지도 학습으로 오류 찾기와 교정 스킬 생성기를 익힌 뒤, 온라인 학습 중 자기 궤적을 분석해 고른 오류 단계에만 스킬 지식을 증류한다. 유계 부호 계수로 학습 불안정을 막고 상대적 길이 보상으로 효율을 높여 ALFWorld와 WebShop에서 일관된 향상을 얻었다.

• •연구진은 주석을 단 WebShop 궤적에서 성공 궤적 걸음의 29.8%가 오류이고 실패 궤적 걸음의 42.4%가 올바르다는 결과-단계 불일치를 확인했다.
• •궤적 단위 스킬을 모든 걸음에 넓게 증류하면 스킬과 무관한 걸음에서 그릇된 신호가 생겨, 0이 아닌 격차 토큰의 57.9%가 무관 걸음에서 나왔다.
• •SCOPE는 지도 학습 웜업으로 오류 위치 찾기와 단위별 교정 스킬 만들기를 먼저 익히고, 온라인 강화학습 중 자기 궤적을 분석해 고른 오류 단계에만 증류 신호를 넣었다.
• •유계 부호 증류 계수를 넣어 큰 교사-학생 격차가 학습을 무너뜨리는 것을 막았고, 학습 중 격차가 2715.5 nats까지 커져 발생한 급격한 성능 붕괴를 이 설계가 막았다.
• •Qwen2.5-3B에서 SCOPE는 ALFWorld 성공률 97.7%, WebShop 성공률 85.2%를 기록해 SEED보다 각각 5.9, 6.3 포인트 앞섰다.
• •본 적 없는 ALFWorld 과제에서 성공률 89.6%로 GRPO보다 23.2 포인트 앞서고 평균 상호작용은 46.7% 줄였으며, Qwen3-32B로 확장해도 성공률 99.2%와 평균 걸음 7.7을 보였다.

이 논문은 한마디로 에이전트 작업을 겨냥한 MoE 하이브리드 Mamba-Transformer 모델 Nemotron 3.5 Super와 Lightning의 학습, 학습후 처리, 양자화, 추론 최적화를 담은 보고서다.

Super는 120B 파라미터에 12B 활성의 멀티모달 모델이고 Lightning은 30B에 3B 활성의 텍스트 모델이다. Super는 SWE-bench Pro에서 51.78%로 활성 파라미터가 약 4.6배 적음에도 Nemotron 3 Ultra를 넘었다.

• •NVIDIA는 MoE 하이브리드 Mamba-Transformer 구조의 Nemotron 3.5 Super(120B 파라미터, 12B 활성, 멀티모달)와 Lightning(30B, 3B 활성, 텍스트)를 공개했다.
• •두 모델은 MTP 워밍업 100B 토큰, 상위 모델에서 1조 토큰 증류, 긴 문맥 학습을 거쳤고 Super는 인도어 지속 사전학습과 에이전트 소프트웨어 엔지니어링 미드트레이닝을 추가로 받았다.
• •에이전트 미드트레이닝으로 동일 SFT 조건에서 DeepSWE pass@1이 6.4%에서 10.4%로, SWE-bench Verified(Codex 하니스)가 48.4%에서 61.8%로 올라갔다.
• •학습후 Super 모델은 SWE-bench Pro에서 51.78%를 기록해 활성 파라미터를 약 4.6배 덜 쓰고도 Nemotron 3 Ultra를 넘었고, 병렬 에이전트 실행과 자기검증으로 Terminal-Bench 2.1을 62.7%에서 71.9%로 끌어올렸다.
• •NVFP4 양자화는 36개 벤치마크에서 BF16 대비 중앙 정확도 회복률 99.62%를 달성했고, MTP 부스팅은 확률적 드래프트 샘플링에서 수용 길이를 최대 21.8% 늘렸다.
• •GB200 한 장에서 초당 최대 4,856 출력 토큰을 내며 사용자당 최소 50 토큰/초를 유지했고, 인터랙티브 에이전트 워크로드에서 NVFP4는 BF16 대비 2.43배의 처리량을 냈다.

이 논문은 한마디로 LLM 에이전트가 기업 API를 여러 단계로 부를 때 순서와 값 제약을 지키게 하는 지식그래프 기반 검색 방법을 제안한 연구다.

저자들은 OData 메타데이터와 BPMN 업무 프로세스를 하나의 타입 속성 그래프에 담고, 밀도 검색으로 씨앗을 찾은 뒤 프로세스 연결선을 따라 다음 엔드포인트를 검색한다. 42개 기업 서비스 벤치마크 OData-Proc에서 프로세스 연쇄 질의의 Recall@3을 5.7점 올렸다. 타입 문맥을 준 에이전트는 고정값 코드를 만들어내지 않았고 잘못된 호출을 3%로 줄였다.

• •저자들은 OData 메타데이터와 BPMN 업무 프로세스를 하나의 타입 속성 그래프에 통합해 서비스 검색에 순서와 스키마 제약을 담았다.
• •하이브리드 검색기는 밀도 임베딩으로 후보 엔드포인트를 찾은 뒤 프로세스 연결선을 따라 이어지는 엔드포인트를 함께 검색했다.
• •질의와 하류 개체의 겹치는 단어가 적은 경우 이 방법은 Recall@3을 5.7점 올렸고(대상 74건), 임베딩 모델과 상위 k를 바꿔도 이득의 방향은 유지되었다.
• •다단계 질의 81개에 대한 에이전트 평가에서 이 방법은 과제의 38.7%를 완수해 청크 기반 기준선의 10.3%보다 높았다.
• •값 목록을 텍스트로만 주면 만든 코드는 사라지지만 46%의 쓰기 실행에 무효 키가 남았고, 온전한 타입 문맥은 무효 호출을 3%(101 실행 중 3건)로 줄이고 만든 코드도 없앴다.
• •한계로 저자들은 평가가 부분적으로 순환적이라고 적었다. 모의 검증기와 그래프가 같은 메타데이터를 공유해, 결과가 독립적인 실제 백엔드에서 재현되어야 한다.

이 논문은 한마디로 LLM 에이전트를 추천 시스템 엔지니어로 쓸 때 어디까지 도달했고 어디가 막혔는지를 여섯 과제로 평가한 연구다.

저자들은 AutoRSE라는 평가 틀을 만들어 세 최전선 모델과 세 에이전트 하니스 조합에 각각 GPU 한 대와 12시간 예산을 주었다. 에이전트는 여섯 과제 중 다섯에서 기준선을 꾸준히 웃돌아 평균 16.1% 상대 향상을 냈다. 그러나 궤적 분석 결과 이득의 91.7%가 하이퍼파라미터 튜닝과 모형 결합 같은 엔지니어링 최적화에서 나왔고, 아이디어 주입 실험은 아이디어 생성이 병목임을 보였다.

• •저자들은 여섯 개 대표 산업급 추천 과제를 아우르는 AutoRSE 평가 틀을 만들었고, 각 과제에서 에이전트는 충실히 재현한 최신 알고리즘과 H200 GPU 한 대, 12시간 최적화 예산을 받았다.
• •세 최전선 모델과 세 하니스의 일곱 조합 가운데 42개 평가 설정 중 35 cases에서 기준선을 넘어, 모든 과제와 설정을 합쳐 평균 16.1%의 상대 향상을 냈다.
• •궤적 분석에서 4425개 실험 가운데 엔지니어링 최적화가 91.7%를 차지했고, 모델 결합이 59.0%, 파라미터 튜닝이 26.2%로 압도적이었으며 알고리즘 혁신은 8.3%에 그쳤다.
• •최종 제출 알고리즘의 평균 신규성 점수는 4.0점 만점에 2.42로 표준 부품 조합 수준에 머물렀고, 신규성 점수가 높을수록 성능 향상도 커져 Pearson 상관계수 r = 0.79를 보였다.
• •최전선 연구와 전문가에서 뽑은 아이디어를 주입하면 스스로 아이디어를 만든 설정보다 평균 13.35% 더 큰 향상과 0.58점 높은 신규성 점수를 얻어서, 아이디어 생성이 병목임을 확인했다.
• •생성형 추천 과제에서는 평균 29.2% 오른 반면 클릭률 예측에서는 3.1%에 그쳐서, 기준선이 덜 익은 분야일수록 에이전트의 이득이 컸다.

이 논문은 한마디로 네발 로봇이 미로를 돌아다니며 본 것을 위치별 메모리 칸에 저장해 잊지 않고 탐사하게 만든 연구다.

저자들은 Hadamard 메모리 갱신 규칙을 로봇 위치 주변의 작은 창에만 적용하는 Local Spatial Matrix Memory(LSMM)를 제안했다. 정책과 메모리는 강화학습으로 끝까지 함께 학습되며, 보조 미로 재구성 손실이 메모리에 지도 정보를 담도록 유도한다. 시뮬레이션과 실외 미로의 Unitree Go2 배치에서 LSMM은 탐사 커버리지를 유지하면서 미로 구조를 유일하게 기억했다.

• •저자들은 위치 기반 행렬 메모리인 LSMM을 제안해 강화학습 에이전트가 특정 위치의 메모리 칸에 과제 정보를 저장하게 했다.
• •LSMM은 매 순간 로봇 위치 추정 중심의 5 × 5 칸 창만 갱신하고 나머지 메모리는 그대로 두어, 지나간 위치의 정보가 사라지지 않게 했다.
• •정책은 PPO로 미로 재구성 손실과 함께 끝까지 학습되었고, 보조 머리가 메모리 특징에서 미로 벽 배치를 맞추도록 훈련되었다.
• •100개의 새 미로 평가에서 모든 구조가 65.4에서 82.8% 사이의 비슷한 커버리지에 도달해, 순수 탐사 성능만 보면 공간 메모리가 필수는 아니었다.
• •미로 재구성 오차에서 LSMM만 유일하게 탐사 중 0.33에서 0.1로 크게 줄었고, 이는 어느 기준선보다 세 배 이상 낮은 수치였다.
• •한계로 메모리가 미로 크기에 맞춘 고정 영역이라 환경이 커지면 늘려야 하고, 갱신이 외부 위치 추정에 의존해 아직 로봇 자체 센서만으로 위치를 잡지는 못한다고 적었다.

이 논문은 한마디로 사건 흐름 속에서 스스로 도움 기회를 찾는 에이전트를 위한 계층적 장기 기억 구조를 제안한 연구다.

ProactMem은 최근 사건, 출처가 검증된 시간 궤적, 과거 재생으로 검증된 행동 규칙성의 세 층으로 역사를 정리한다. 저자들은 세 분야의 세로형 사건 흐름 벤치마크 ProactiveStream도 함께 만들었다. 실험에서 ProactMem은 다섯 외부 기준선보다 높은 효과성을 보였고, 메모리 검증 단계를 빼면 성능이 떨어졌다.

• •ProactMem은 최근 사건, 시간 궤적, 행동 규칙성의 세 겹으로 메모리를 나눠 저장했다.
• •LLM이 하루 사건에서 궤적을 뽑으면 출처 사건과 대조해 사실을 검증하고, 규칙성은 과거 재생으로 신뢰도를 계산했다.
• •저자들은 Sports, Home, Code 세 분야의 세로형 사건 흐름 벤치마크 ProactiveStream을 만들었고, 이 벤치마크는 17개 고립 스트림과 4,539개 사건, 729개 기준 개입을 담고 있다.
• •ProactMem은 전체 효과성(F1) 52.6%를 기록해 다섯 외부 기준선 가운데 가장 강한 것보다 상대적으로 21.4% 높았다.
• •소거 실험에서 궤적 메모리를 더하면 세 분야 모두 효과성이 올랐고, 재현 검증이나 궤적 검증을 빼면 관련성과 효과성이 모두 떨어졌다.
• •한계로 저자들은 평가가 낮은 위험 서비스 설정과 미리 고정된 주석 규약 안에서 이루어졌고, 수혜자 이득과 배포 안전성은 앞으로 측정해야 한다고 적었다.

이 논문은 한마디로 조작과 내비게이션을 하나의 9B 상위 결정 모델이 스킬 호출로 통합 지휘하는 경량 embodied 에이전트 OmniBrain-0를 제안했다.

강력한 교사 모델의 상호작용 경험을 도메인 전문가로 증류한 뒤 다중 교사 온정책 증류로 한 모델에 통합한다. 루브릭 기반 재귀 자기개선(RSI)이 실행 증거를 검증 궤적으로 만들어 모델을 반복 개선한다.

• •OmniBrain-0는 가벼운 통합 에이전트로 조작과 내비게이션을 공유 상위 결정 모델로 묶어 과제 이해, 계획, 진행 추적, 실패 복구를 함께 처리한다.
• •LIBERO-Pro에서 전반 성공률 65.5%를 기록했고 평균 과제 완료 시간은 13.8분에서 1.6분으로 8.6배 짧아졌으며 RSI가 성공률을 69.3%까지 올렸다.
• •RoboCasa365에서 전반 성공률 39.6%로 RLDX-1의 36.0%를 넘고 퓨샷 백본의 12.2%의 세 배 이상이었다.
• •R2R-CE 내비게이션에서 SR을 34.0%에서 65.0%로, NE를 6.57 m에서 3.78 m로 개선했다.
• •GPT-5.6-Sol 대비 토큰 사용량은 다섯 벤치마크에서 각각 4.5배, 2.6배, 3.5배, 12.7배, 3.7배 적었다.
• •실제 로봇 과제 세 종류에서 평균 성공률 73.3%로 π0.5의 58.3%를 넘었다.

이 논문은 한마디로 지식그래프에서 논리 쿼리를 실행해 검증 가능한 훈련 과제를 스스로 만들고, 난이도가 해결자 능력에 맞춰 오르는 자기학습으로 LLM 그래프 추론을 끌어올린 논문이다.

연구진은 하나의 LLM 이 제안자와 해결자 두 역할을 번갈아 맡는 그래프 자기대결을 제안했다. 여섯 벤치마크에서 주석 없이 프롬프트, 검색, 에이전트 기반 방법을 모두 앞섰다.

• •연구진은 질문 주석 없이 지식그래프만으로 LLM 추론 능력을 키우는 EoG 프레임워크를 제안했다.
• •하나의 LLM 이 질문을 내는 제안자와 답하는 해결자 역할을 번갈아 맡는 그래프 자기대결을 돌렸다.
• •SVTS 가 그래프에서 논리 쿼리를 실행해 완전한 정답 집합까지 갖춘 훈련 과제를 만들었다.
• •해결자 점수 분산에 따라 제안자를 보상하는 경계 인식 커리큘럼이 과제 난이도를 해결자 능력 경계에 맞춰 옮겼다.
• •Qwen-2.5-7B 기준 평균 Hit@1 를 최고 기준보다 7.46 점, 산업 지식그래프에서는 17.80 점 앞섰다.
• •주석 없이 만든 훈련 과제는 시험 문제와 거의 겹치지 않아 성능 향상이 시험 유출에서 오지 않았다.

이 논문은 한마디로 긴 과제에서 턴 단위 과정 보상이 돕는 조건과 해치는 조건을 영상 편집 에이전트로 가려낸 연구다.

저자들은 49편의 영화와 실제 예고편에서 797개의 편집 과제를 네 단계로 만들었다. Qwen3.5-9B를 결과 보상만 쓰는 GRPO, 과정 보상을 더한 GRPO+PRM, 토큰 단위 증류 OPSD로 각각 학습해 비교했다. 과정 보상은 긴 과제에서 크게 도왔지만 고정 가중치로 계속 쓰면 보상 해킹이 생겼고, 가중치를 0으로 줄이며 소거하면 문제가 사라졌다.

• •저자들은 실제 영화 49편과 개봉 예고편에서 콘텐츠 선택, 순서 배열, 대강 편집, 마감 편집의 네 과제 유형으로 797개 편집 과제를 만들었다.
• •Qwen3.5-9B를 결과 보상만 쓰는 GRPO로 학습하면 네 과제 전체 점수가 0.284에서 0.413으로 올라가서, 짧은 과제에서는 결과 보상만으로도 경쟁력이 있었다.
• •과정 보상 가중치를 고정한 GRPO+PRM은 전체 점수가 0.334에 그쳤고, 중단된 롤아웃이 44.1%나 되어서, 과정 보상이 계속 오르는 동안 과제 완료율과 결과 점수는 떨어지는 보상 해킹이 나타났다.
• •과정 보상 가중치를 업데이트 20부터 30까지 0으로 줄이면 전체 점수가 0.447로 가장 높아지고 중단률이 6.2%로 내려가서, 해킹을 막으면서 초기 이득을 지켰다.
• •가장 긴 마감 편집에서 감쇠 과정 보상은 결과 보상만 대비 45.4% 상대 향상을 냈고, 나머지 세 짧은 과제에서는 결과 보상만으로도 충분해서 향상이 최대 10.4%에 그쳤다.
• •토큰 단위 감독인 온-정책 자기 증류 OPSD는 정답 조건에서 0.277로 배움이 거의 없었고 턴 제안 조건에서는 0.044로 크게 무너져서, 촘촘한 감독이 학습을 보장하지 않는다는 한계를 보였다.

이 논문은 한마디로 로봇이 물리 시스템의 상태를 바꾸고 계기 판독을 통해 알아내는 '행위로 알기' 과제를 측정하는 벤치마크 EmbodiedLab을 제안했다.

다섯 분야 30개 정량 실험을 14개 실험대에서 시뮬레이션으로 수행하며 매 사례마다 숨은 파라미터를 다시 뽑아 정답을 미리 알 수 없게 한다. 성공은 결과의 정확도, 그 에피소드의 측정 증거, 실험대 복원을 모두 요구한다.

• •EmbodiedLab은 다섯 분야 30개 실험을 14개 실험대에서 수행하며 에이전트가 목표와 장비만 받고 절차를 스스로 정하게 했다.
• •성공은 결과가 기기 허용 오차 안에 들고 같은 에피소드에서 기록된 판독에 근거하며 실험대를 과제가 요구하는 상태로 남길 때만 인정된다.
• •여섯 최전선 모델을 평가한 결과 T0 최저 인터페이스에서 최고 성공률은 Claude Opus 5.5의 43.3%였고 GPT-6 Astra가 40.0%로 따랐다.
• •모든 에이전트에서 장비 조작, 관측, 복원을 합치면 실패의 75%에서 100%를 차지했고 이미 확보한 판독의 추론 실패는 최대 25%였다.
• •지각과 운동 계획을 더한 T1은 성공률을 최대 10점 올리는 데 그쳤고 조작 스킬을 더한 T2는 약한 에이전트를 10점에서 27점 올렸다.

이 논문은 한마디로 언어 모델을 감싼 하니스(에이전트 껍데기)를 실패 흔적에서 배워 스스로 고치게 만든 연구다.

저자들은 먼저 열린 도메인 대화형 텍스트-시각화 벤치마크 ODAC-Vis를 만들었다. 그리고 모델 가중치를 고정한 채 하니스만 개정하는 RSIV-Harness 방법을 제안했다. 하니스 개정은 앵커 검사와 메모리 검사를 통과할 때만 받아들여서 이전 능력이 퇴보하지 않게 지킨다. 실험에서 자기개선 한 번만으로 여섯 평가 지표가 모두 올랐다.

• •사용자가 어떤 데이터베이스에 자료가 있는지 모르고 요청하면, 에이전트는 자료를 찾고 모호하면 되묻고, 앞서 정한 조건을 지키며 차트를 고쳐야 하는데, 기존 하니스는 한 번 만들어진 뒤 바뀌지 않아 같은 실패가 반복된다고 문제를 정의했다.
• •ODAC-Vis 벤치마크는 640개 대화 과제로, 열린 도메인 자료 탐색, 모호함 해소, 여러 차례에 걸친 차트 다듬기를 함께 평가한다.
• •RSIV-Harness는 모델 가중치를 고정하고, 안쪽 돌기가 과제를 풀고, 바깥쪽 돌기가 실패 흔적을 읽어 하니스 개정안을 제안하며, 앵커 검사와 메모리 검사를 통과한 개정만 채택한다.
• •자기개선 한 번으로 여섯 지표가 모두 올랐고, 실행 가능성은 28.02점, 차트 구조는 34.01점 크게 개선되었다.
• •안정 규칙을 빼고 진화시키면 여섯 지표가 모두 나빠져서, 실행 가능성이 9.73점 떨어졌다.
• •DeepSeek으로 진화시킨 하니스를 GPT-6 Luna에 그대로 옮겨도 여섯 지표 가운데 다섯이 정적 하니스보다 나아져서, 하니스 개선이 모델을 바꿔도 옮겨간다고 보였다.

이 논문은 한마디로 기관의 데이터 사전과 분석 관례로 묶은 로컬 에이전트 워크플로로, 자연어 질문을 믿을 수 있는 데이터베이스 답으로 바꾸는 논문이다.

연구진은 CrashDB-QA 라는 여섯 단계 코어 워크플로와 판정자·정제자를 더한 확장을 제안했다. 4.4 million 건의 실제 사고 기록과 300 문항 벤치마크, 9개 로컬 오픈 웨이트 모델로 평가했다. 도메인 지식으로 생성을 묶어 주는 것이 정확도를 크게 올렸고, 검증은 판정자가 공식 정의를 쓰고 정제자가 실행 증거를 받을 때만 도움이 되었다.

• •연구진은 완전 로컬에서 도는 스키마 기반 에이전트 워크플로 CrashDB-QA 를 제안해 자연어로 사고 데이터베이스를 분석하게 했다.
• •공유 지식베이스가 기관 데이터 사전과 안전 분석 관례로 쿼리 생성을 묶고, 중간 출력을 기록해 검수와 감사를 가능하게 했다.
• •4.4 million 건 위스콘신 사고 기록 스냅샷에 300 문항 새 벤치마크와 9개 로컬 오픈 웨이트 모델로 평가했다.
• •코드 특화 7B 모델이 정확도 80.7%, 중간 지연 9.2 s 로 시험 모델 가운데 최상의 정확도-지연 균형을 보였다.
• •그룹이나 기간 비교 문제는 어려웠고, 어떤 모델도 43.3% 를 넘지 못했다.
• •판정자에게 공식 필드 정의를 주고 정제자에게 실행 증거를 주자 정확도가 83.7% 까지 올랐다.

이 논문은 한마디로 정확히 기억한 사실도 쓰는 조건에 따라 과학적 결정에 쓸 수 없다는 점을 측정하는 벤치마크를 만들었다.

SCIVALIDITYBENCH는 64 TaskSpecs로 다섯 타당성 모듈과 여섯 과학 분야를 다룬다. SCISTATEFORGE는 흩어진 실험 기록을 결정을 지배하는 상태로 컴파일한다. 네 모델 계열에서 컴파일된 상태가 Event Graph보다 올바른 결정을 9.2–18.8 percentage points만큼 늘렸다.

• •같은 p = 0.03 값이라도 사전에 계획이 고정됐는지에 따라 증거 자격이 달라진다는 문제를 과학적 사용 타당성으로 정의했다.
• •SCIVALIDITYBENCH라는 실행형 벤치마크 공장을 만들었고 64 TaskSpecs가 다섯 타당성 모듈과 여섯 과학 분야를 덮는다.
• •SCISTATEFORGE 컴파일러–리더 파이프라인이 흩어져 있는 실험 기록을 결정을 지배하는 명시적 상태로 바꾼다.
• •네 모델 계열에서 컴파일된 과학 상태가 일반 Event Graph보다 올바른 결정을 9.2–18.8 percentage points만큼 끌어올렸다.
• •BM25 검색만으로는 이 계열 공통 향상을 재현하지 못했다.
• •결정에 필요한 상태를 정확히 복구하면 무관한 복구보다 평균 18.6 validity points 더 회복되었다.

이 논문은 한마디로 분산 다중 에이전트 시스템에서 에이전트가 상호작용 경험만으로 스스로 적응하게 하는 통합 자가진화 프레임워크 EvolveMAS를 제안했다.

각 주 에이전트에는 메모리를 관리하는 전용 MemoryAgent가 붙어 주 에이전트의 추론 맥락 밖에서 구조화 메모리를 유지한다. 에피소드 안의 온라인 적응과 에피소드 사이의 지식 진화를 함께 운영해 협동, 혼합 동기, 적대 설정을 한 프레임워크로 다룬다.

• •EvolveMAS는 각 주 에이전트에 전용 MemoryAgent를 붙여 주 에이전트의 추론 맥락 밖에서 격리된 구조화 메모리를 관리하게 했다.
• •다섯 벤치마크와 여섯 평가 설정에서 EvolveMAS는 규격화 평균 점수 77.2로 가장 강한 개별 설정 기준 대비 9.7점, Self-Memory 대비 7.7점 높았다.
• •협동 설정에서 BBH 83.0, HumanEval 97.0을 기록해 각각 기준 79.0, 95.7을 넘었다.
• •적대 설정 늑대 게임에서 늑대 기만 성공 70.0으로 최고 경쟁 방법보다 13점 높았다.
• •LLM-Deliberation 절제 실험에서 외부 MemoryAgent는 만장일치율을 24.0%에서 74.0%로 올리고 교차 에피소드 지식 추가로 86.0%까지 올렸다.
• •메모리 관리로 7번째 에피소드에서 맥락 점유율을 0.62%로 유지해 원문 이력을 맥락에 실은 대비 6.54%보다 낮았다.

이 논문은 한마디로 블록체인을 훈련 관리 계층으로 써서, 행동 검증 결과가 토큰 경제로 이어지고 토큰 잔액이 정책 업데이트 가중치를 결정하는 닫힌 고리를 만든 논문이다.

연구진은 BE-CTDE 라는 프레임워크를 제안하고, 완벽한 탐지 없이도 악성 에이전트가 유한한 기대 시간 안에 훈련에서 제외된다는 조건부 이론 보장을 보였다. 다중 에이전트 경로 찾기 실험에서 공격 상황 성공률이 최고 수준 기준 SCRIMP 보다 크게 높았고 충돌률도 낮았다.

• •연구진은 기록만 남기던 블록체인을, 행동 증거가 학습 영향력을 바꾸는 능동 훈련 관리 계층으로 바꾸는 BE-CTDE 를 제안했다.
• •행동 검증기가 실행 궤적과 정책 추천을 비교해 깃발을 만들고, 깃발이 슬래싱과 소각, 보상, 보상금을 함께 쓰는 토큰 계정을 움직인다.
• •완벽한 탐지가 필요 없음을 보였고, 조건부 탐지 확률이 1/3 을 넘으면 악성 에이전트가 유한한 기대 시간 안에 훈련에서 제외된다.
• •경로 찾기 실험에서 공격 상황 성공률이 최고 수준 기준 SCRIMP 보다 크게 높았고, 적이 다수일 때도 그랬다.
• •충돌률은 경제 결과 없는 탐지보다 최대 35%, 일반 스테이크 슬래싱보다 최대 43% 낮았고, 에이전트 8개 설정에서는 모든 장애물 밀도에서 100% 성공률을 기록했다.

이 논문은 한마디로 과학 설계 최적화를 '어디서 찾을지'와 '어떻게 찾을지' 두 결정으로 나눠 둘 다 스스로 진화시키는 멀티에이전트 시스템 ADAPT for Science를 제안한 연구다.

ADAPT는 15,409건의 역사 설계 라이브러리에서 시작점을 고르고, 실행 피드백으로 최적화 절차 자체를 바꾼다. 8개의 미학습 검출기 토폴로지에서 평균 손실 0.204 ± 0.101을 기록해 최고의 고전 최적화기보다 54.9%, 최고의 범용 에이전트 진화 기법보다 62.2% 손실을 줄였다.

• •ADAPT는 과학 최적화를 두 결정으로 나눴다. 15,409건의 역사 설계 라이브러리에서 후보 시작점 64개를 검색해 어디서 찾을지 정하고, 실행 피드백으로 최적화 절차를 진화해 어떻게 찾을지 정했다.
• •시작점 선택 단계는 진화를 거쳐 64 →8 →2 →1 흐름의 점진 예산 배분을 찾았고, 선택 정책의 평균 손실을 3.0054까지 낮췄다.
• •최적화기 진화 단계는 Adam 구조를 유지하면서 업데이트 크기를 s(r) = 0.05 + 0.95r2로 남은 예산에 따라 줄이고, 유한하지 않은 평가는 건너뛰는 절차를 만들었다.
• •8개의 미학습 토폴로지에서 ADAPT는 평균 손실 0.204±0.101을 얻었고, 최고 고전 최적화기보다 54.9%, 최고 범용 에이전트 진화 기법보다 62.2% 손실을 줄였다.
• •대표 사례에서 표준 Adam은 손실 0.666에 도달하고 ADAPT는 0.155에 도달해 76.7% 감소를 보였다.
• •저자는 이 연구가 중력파 검출기 설계 한 분야에 집중했고, 경험 라이브러리의 품질과 범위에 의존한다고 한계를 밝혔다.

이 논문은 한마디로 검색 에이전트에 자기 평가 단계를 넣은 강화학습으로 검색 상태 자각을 몸에 익히게 한 연구다.

저자는 평가가 답을 고친 정도에 보상을 주고 평가 남용에 벌점을 주는 이중 보상을 설계했다. 그 결과 열 벤치마크에서 기존 최강 기준선보다 큰 폭으로 앞섰고 긴 검색 구간에서도 훈련이 안정적으로 유지됐다.

• •검색 에이전트가 이미 얻은 정보와 아직 빠진 정보를 알아차리지 못하면 근거 없는 추론과 이른 검색 중단이라는 두 가지 실패가 생겼다.
• •SARL은 생각-검색-답변 반복 뒤에 자기 평가 단계를 붙여, 모델이 자기 궤적을 분리된 맥락에서 다시 살피고 완전한지 판단하게 했다.
• •평가가 답을 고쳤는지에 따라 보상을 주고 평가를 반복해 쓰면 지수 벌점을 더하는 이중 보상으로 훈련했다.
• •열 벤치마크에서 평균 0.429점으로 최강 기준선(ASearcher 0.345)보다 상대적으로 24.3% 좋았고, 멀티홉 추론에서는 평균 35.9%, 딥 리서치에서는 27.9% 올랐다.
• •Musique에서 58.1%, FRAMES에서 48.3% 개선을 기록하며 훈련에 안 쓴 과제로도 능력이 옮겨갔다.
• •최대 32턴으로 늘어난 긴 검색 구간에서 기존 방법들은 훈련이 무너졌지만 SARL은 안정성을 유지했다.

이 논문은 한마디로 바뀌는 물리·사회 환경에서 긴 시간 로봇 에이전트를 실행하고 평가하는 프레임워크와 벤치마크를 통째로 만든 연구다.

TARSphere-Infra는 물리 시뮬레이터 안에서 몸을 가진 NPC와 제약 있는 대화를 운영하고, 사건 기반 유한 상태 기계가 과제 상태를 갱신해 결과를 평가한다. TARSphere-Harness는 동결된 MLLM이 관찰, 계층 기억, 실행 피드백으로 결정을 고치게 돕는다. 에이전트 참여 큐레이션으로 30개 실내 장면 360개 에피소드의 TARSphere-Bench를 만들었고, 8개 MLLM을 평가한 결과 범용 모델이 임베디드 모델을 앞섰고 과제 갱신과 사람 상호작용은 여전히 어려웠다.

• •TARSphere-Infra는 물리 시뮬레이터에서 로봇 정책을 실행하고 몸을 가진 NPC와 제약 있는 대화를 함께 운영하는 실행 인프라다.
• •TARSphere-Harness는 동결된 MLLM이 다층 실행 기술, 계층 기억, 실행 피드백을 써서 결정을 다시 세우게 하는 두뇌 하니스다.
• •에이전트 참여 큐레이션으로 30개 실내 장면에 걸쳐 360개 에피소드의 TARSphere-Bench를 만들고, 다섯 쌍 조건으로 지각 강인성, 방해 적응, 과제 갱신, 사람 협력, 의도 이해를 평가했다.
• •8개 MLLM 평가에서 범용 모델이 임베디드 모델을 앞섰고, Gemini-3.8-Flash는 항해 40.6%, 배달 47.8% 성공률을 기록했다.
• •모델-과제 그룹 전반에서 충돌은 84-100% 에피소드에서, 추락은 9-47%에서 발생해 실행 안전을 과제 성공과 함께 평가할 필요가 커졌다.
• •완전한 큐레이션 파이프라인은 96.7% 사용 가능 에피소드를 냈고, 다중 에이전트 검토를 빼면 45.0%로 가장 크게 떨어졌다.

이 논문은 한마디로 긴 시간 로봇 조작에서 과거 기록을 기억하고 계획을 고쳐 나가는 자가진화 로봇 에이전트 SERA를 제안한 연구다.

SERA는 상위 VLM을 편집 가능한 하니스로 감싸 과제 문맥을 유지·갱신하고, 고정된 VLA가 저수준 제어를 맡는다. 자가진화는 환경 롤아웃으로 하니스 수정안을 제안·평가하며, 최종 구성은 시험 전에 고정한다. RoboMME에서 SERA는 자가진화 없을 때 44.38%였던 전체 성공률을 51.38%로 올렸다.

• •SERA는 상위 VLM 플래너를 편집 가능한 하니스로 감싸 관찰과 실행 피드백으로 과제 문맥을 유지하고 갱신했다.
• •실행 기반 자가진화는 환경 롤아웃으로 계획 지침, 판정 기준, 제어 규칙의 수정안을 제안하고 검증기로 평가한 뒤 하니스를 골랐다.
• •자가진화는 상위 VLM에 대한 추가 지도 미세조정 데이터를 만들지 않고 진행됐다.
• •RoboMME 벤치마크 16개 과제에서 자율 선택 SERA는 전체 성공률 51.38%를 기록했고, 이는 자가진화 없을 때의 44.38%보다 7.00 포인트 높았다.
• •SERA는 Reference 69.50, Permanence 57.00, Counting 49.00, Imitation 30.00 성공률로 Reference와 Permanence에서 가장 높은 점수를 받았다.
• •저자는 VLM 추론이 실행 회로에 계획 지연을 더하며, 긴 과제에서 이 비용이 쌓이는 문제를 한계로 적었다.

이 논문은 한마디로 4개 모달리티에 걸친 923개 질문으로 에이전트 장기 기억의 실패 지점을 WRITE, RETRIEVE, DELIVER, READ 네 단계로 분리 측정하는 벤치마크를 제안한다.

저자는 독자와 예산을 고정한 채 표현, 검색, 전달만 바꾸는 짝 비교로 각 단계의 손실을 계산했다. 금 기호 사실에서도 15.4점의 읽기 오류가 남고, 텍스트화에 9.3점, 검색에 7.6점, 포장에 3.8점이 더 소모됐다. 어떤 시스템도 답변과 거절을 함께 잘하지 못했다.

• •MOSAIC은 텍스트, 이미지, 비디오, 오디오를 아우르는 11–24개 세션의 대화 이력 위에 923개 질문(답 가능 784개, 거절 통제 139개)을 올린 벤치마크다.
• •평가는 WRITE, RETRIEVE, DELIVER, READ 네 단계로 나누고 질문, 독자, 프롬프트, 예산을 고정한 채 한 단계씩만 바꿔 짝 비교를 했다.
• •금 기호 사실 조건에서 점수는 0.846로 15.4점의 읽기 오류가 남았고, 원본 매체로 바꾸면 0.783, 일반 캡션과 ASR 텍스트로 바꾸면 0.690까지 떨어졌다.
• •검색 단계는 7.6점을, 실서비스 포장 제한은 같은 검색 결과에서 3.8점을 더 잃게 했고 전체 파이프라인은 0.653에 도달했다.
• •모달리티별로 비디오는 금 기호 대비 원본 매체에서 17.1점이 떨어져 인식이 가장 큰 병목이었고, 이미지의 공간 배치 항목에서는 원본이 OCR 텍스트보다 32.0점 앞섰다.
• •매체 예산을 줄이면 완전 사슬 전달이 0.675에서 0.184로 무너졌고, 모든 시스템에서 답변 정확도와 정확한 거절을 동시에 높이지 못했다.

이 논문은 한마디로 여러 에이전트 LLM이 클라우드, 엣지, IoT 기기에 걸쳐 어떻게 조직되고 배치되는지를 45편 논문으로 체계 지도화한 연구다.

2026년 3월까지 831건 기록에서 45편 1차 연구를 뽑아 아키텍처, 배치 방식, 적용 분야, 평가 관행을 코드화했다. 그 결과 5개 아키텍처 계열과 6개 배치 패턴이 반복해서 나타났다. 저자들은 공유 아티팩트가 6편에 불과하고 프라이버시를 직접 측정한 연구가 2편뿐이라는 비교 가능성 문제를 핵심 격차로 짚었다.

• •831건 기록에서 45편 1차 연구를 뽑아 아키텍처 계열, 배치 패턴, 적용 분야, 평가 관행으로 분류했다.
• •연구 집단에서 5개 아키텍처 계열이 반복해서 나타났고, 배치는 로컬 전용 실행부터 사람 승인이 문을 여는 제어 회로까지 6개 패턴에 걸쳤다.
• •45편 가운데 24편은 IoT, 산업, 스마트홈, 의료, 차량, 로보틱스 환경을 다뤘고 29편은 실제 물리 하드웨어로 평가했으며, 그 하드웨어에서는 8B 미만 공개 모델이 우세했다.
• •코드나 데이터를 공개한 연구는 6편뿐이었고, 자기 구성요소를 분리하는 소거 실험을 보고한 연구는 45편 중 15편에 그쳤다.
• •프라이버시가 많은 로컬 설계의 동기인데도 프라이버시를 직접 측정한 연구는 2편에 불과했다.
• •저자들은 결과끼리 비교하려면 과제, 연속선, 상태, 거버넌스 조건과 지표를 함께 보고하라고 요구하는 보고 체크리스트를 제시했다.

이 논문은 한마디로 로봇 에이전트 시스템의 플래너 자체를 사후 훈련해 조작 성공률을 크게 올린 AgenticRoboRL 프레임워크다.

감독 미세조정(SFT)으로 성공 궤적을 학습한 뒤 다중 턴 강화학습(RL)을 더하고, 하네스별 어댑터가 서로 다른 실행 방식을 하나의 훈련 파이프라인으로 묶는다. LIBERO-PRO에서 9B 플래너의 성공률을 18.1%에서 71.0%로 올려 외부 메모리를 쓰는 Codex (GPT-5.5)의 72.1%에 근접했다. 실행 부품은 고정하고 플래너만 훈련하는 점이 특징이다.

• •감독 미세조정과 다중 턴 강화학습을 결합해 로봇 플래너만 훈련하고 VLA 실행 부품은 고정했다.
• •하네스별 어댑터가 기록된 플래너 호출을 에피소드 결과와 연결해 VLA 스킬 호출과 제어 코드 생성 두 실행 방식을 하나의 훈련 파이프라인으로 지원했다.
• •LIBERO-PRO에서 SFT가 9B 플래너의 성공률을 18.1%에서 65.1%로 올리고 RL이 71.0%까지 추가로 끌어올렸다.
• •훈련에 쓰지 않은 LIBERO-Plus 10,030개 평가에서 같은 체크포인트가 원래 19.2%에서 72.2%로 올랐다.
• •CaP-X 하네스에서는 성공률을 2.7%에서 28.5%로 올려 27B 교사 모델의 20.3%를 넘었다.
• •RL 보상은 과제 성공 여부 하나만 썼고 중간 보상이나 길이 벌점은 넣지 않았다.

이 논문은 한마디로 긴 에이전트 궤적에서 지배적인 KV 캐시 비용을 텍스트 요약 대신 캐시 직접 조작으로 줄이는 방법을 제안한 연구다.

저자들은 drop으로 선택한 캐시를 어텐션에서 빼고 repos로 남은 키의 위치 인코딩을 조정하는 캐시 연산을 정의했다. 같은 토큰 열도 캐시 연산 이력에 따라 다른 상태가 되므로, 이를 다루는 AKV 서빙 엔진을 함께 만들었다. 실험에서 도구 응답 rolling-drop 정책은 요약 방식보다 평균 점수를 올리고 비용을 크게 낮췄다.

• •저자들은 긴 궤적에서 KV 캐시 읽기가 전체 API 비용의 82.4%를 차지한다고 측정했다.
• •캐시 엔지니어링은 drop으로 선택한 캐시를 이후 어텐션에서 빼고, repos로 남은 키의 위치 인코딩을 조정한다.
• •기본 정책은 가장 최근 12개 도구 응답의 KV 상태만 남기는 도구 응답 rolling-drop이다.
• •이 정책은 임계값 요약과 비교해 평균 점수를 1.7점 올리고 평균 비용을 27.7% 줄였다.
• •AKV 서버와 함께 쓰면 출력 처리량은 최대 1.2×, P95 요청 지연은 1.5× 빨라졌다.
• •재귀적 자기개선으로 캐시 정책을 다듬으면 전문가 설계보다 비용이 다시 7.1% 줄었다.

이 논문은 한마디로 여러 이상탐지기의 예측이 서로 충돌할 때 비전-언어 모형(VLM)이 정해진 동작 안에서 융합 방식을 골라주는 AnomalyAgent 프레임워크다.

탐지기 자체는 고정하고, 점수와 이상 지도의 불일치를 모아 충돌 점수를 계산해 임계값을 넘는 견본만 VLM에 보낸다. VLM은 이미지 점수 융합 동작과 지도 융합 동작을 각각 하나씩 골라 최종 점수와 위치 지도를 만든다. MVTec AD와 VisA에서 모든 설정에서 동일 가중 평균 융합을 앞섰고 7개 추가 벤치마크에서도 이득이 유지됐다.

• •고정된 사전학습 이상탐지기들의 점수와 이상 지도를 정규화하고 불일치 통계를 모아 구조화된 증거 상태를 만들었다.
• •충돌 점수가 임계값 τ = 0.5를 넘는 견본만 VLM을 호출해 나머지는 결정론적 예비 융합 결과를 그대로 썼다.
• •VLM은 합의, 로버스트 집계, 탐지기 가중치, 불일치 수정 같은 정해진 동작 중 이미지 점수 동작과 지도 동작을 하나씩 골라 새 마스크를 자유로 만들지 못하게 제한했다.
• •MVTec AD와 VisA에서 비교 융합 방법 가운데 가장 좋은 평균 이미지 AUROC와 픽셀 AP를 달성했다.
• •Real-IAD 대규모 평가에서 이미지 AUROC/AP/F1을 72.47/58.85/59.66에서 75.53/62.54/62.49로 올렸다.
• •VLM 백엔드로 LLaVA-7B를 썼고 주 실험에서 489회, 전이 실험에서 1286회의 VLM 호출만 추가로 발생했다.

이 논문은 한마디로 LLM을 강화학습 에이전트의 멘토로 써서 지식 그래프에서 질의에 필요한 정보를 찾는 탐색 정책을 훈련한 연구다.

트랜스포머 정책 에이전트가 그래프를 직접 탐색하고, LLM이 그 경로가 질의를 논리적으로 뒷받침하는지 평가해 보상을 준다. 질문-정답 쌍은 지식 그래프에서 자동으로 만들어 사람 라벨 없이 훈련했다. 실험에서 LLM 기반 보상이 규칙 기반 휴리스틱 보상보다 최종 답 품질을 더 크게 올렸다.

• •LLM을 멘토로 써서 강화학습 에이전트가 찾은 경로의 의미 관련성을 Success, Highly Relevant, Failure 세 단계로 평가하고 각각 1, 0.5, 0의 보상을 줬다.
• •트랜스포머 정책 에이전트를 GRPO로 훈련해 지식 그래프를 직접 탐색하며 질의에 필요한 삼중항을 모으게 했다.
• •HotpotQA 단독 검색에서 LLM 보상을 쓴 RANGER가 WaterCircles 대비 LLM-as-a-Judge 점수를 약 3.6%, 휴리스틱 보상 GRPO 대비 약 3.0% 올렸다.
• •하이브리드 검색에서는 WaterCircles 대비 LLM Judge 점수를 HotpotQA에서 약 20.4%, TriviaQA에서 4.4%, DiaASQ에서 7.7% 올렸다.
• •멘토 LLM을 Mistral Small 3.2 (24B)에서 Ministral 3 (8B)로 줄이면 성능이 WaterCircles 기준선 아래로 떨어졌다.
• •질문-정답 쌍을 지식 그래프 자체에서 자동 생성하는 자기지도 방식으로 사람이 라벨링한 데이터 없이 에이전트를 훈련했다.

이 논문은 한마디로 LLM 운전 에이전트에서 경험 메모리가 언제 도움이 되는지 통제 실험으로 검증한 평가 논문이다.

플래너를 고정하고 워밍업 풀 열 개를 무작위 인자로 재표집하며 토큰량을 맞춘 무관한 채움 대조군을 더했다. 그 결과 두 검색 메모리는 열 풀 중 한 풀에서만 무메모리를 넘었고 풀 평균 효과는 −0.20이었다. 어떤 검색 설계도 토큰 맞춤 채움을 넘지 못했고 15-token 주의 지시 한 줄이 0.980에 도달했다.

• •저자는 플래너와 인코더, 프로토콜을 고정하고 워밍업 풀을 열 개의 서로소 표본으로 재표집하며 토큰 맞춤 대조군을 더한 통제 평가 프레임워크를 만들었다.
• •두 검색 메모리는 열 풀 중 정확히 한 풀에서만 무메모리를 넘었고(정확 부호검정 p = 0.011), 풀 평균 효과는 부패로 −0.20이었다.
• •토큰량만 맞춘 무관한 채움 대조군이 병합 과제에서 0.800을 얻어 두 메모리를 유의하게 앞섰고, 15-token 주의 지시 한 줄은 0.980에 도달했다.
• •시간 그래프 메모리 TG-Mem은 평평한 텍스트 메모리와 구별되지 않았고(p=1.0), 판단당 1,038 프롬프트 토큰을 써서 210 to 274보다 훨씬 비쌌다.
• •베이스라인 포트 품질이 결론을 조용히 뒤집었다. 손상된 DiLu 포트는 0.375, 감사된 포트는 0.670으로 같은 조건에서 절반가량 차이가 났다.
• •한계로 모든 결정적 비교가 HighwayEnv, gpt-4o-mini, 1 Hz 결정 주기의 약한 플래너 조건에서 나왔다.

이 논문은 한마디로 에이전트가 쌓은 자기 경험을 특권적 회고 맥락으로 바꿔 같은 모델이 선생과 학생을 맡아 자기증류하는 Retrospective Self-Distillation을 제시한다.

선생은 선례, 교훈, 반성, 미래 사후정보를 보고 자기 행동을 다시 평가한다. Qwen3-8B와 14B에서 ALFWorld, ScienceWorld, SearchQA를 시험해 기반 모델 대비 최대 59.7% 상대 향상을 얻었다. 프런티어 모델이 맥락 구성 규칙을 진화시키면 여기서 최대 44.7%가 더 올랐다.

• •RSD는 정답 궤적과 검증자 보상 없이, 같은 모델이 특권적 회고 맥락을 보고 자기 행동을 다시 평가한 뒤 그 분포를 정책에 증류한다.
• •특권 맥락은 축적 경험에서 온 선례와 교훈, 그리고 현재 궤적이 끝난 뒤에만 쓸 수 있는 반성과 미래 사후정보 네 가지로 구성했다.
• •Qwen3-8B와 14B로 세 벤치마크를 시험해 RSD는 기반 모델 대비 최대 59.7% 상대 향상을, 프런티어 유도 맥락 진화는 고정 맥락 대비 추가로 최대 44.7% 상대 향상을 얻었다.
• •ALFWorld-8B에서 RSD는 평균 성공률 76.6으로 기반 모델의 62.9를 넘었고, ScienceWorld는 8B에서 15.6에서 23.4로, 14B에서 12.9에서 20.6로 올랐다.
• •프런티어 유도 맥락 진화는 ScienceWorld에서 8B 23.4에서 27.5로, 14B 20.6에서 29.8로 향상시켰고 두 규모 모두 무작위 탐색을 앞섰다.
• •경계 사례로 SearchQA는 여러 라운드에 걸쳐 성능이 좁은 구간에 머물렀다.

이 논문은 한마디로 무인 자기 개선 변경이 안전하려면 검증자 강도와 복구 가능성 두 값을 재서 기준을 넘을 때만 사람 없이 배포하라는 규칙을 제안한 연구다.

저자는 두 값을 정의하고 측정하는 방법과 이를 강제하는 플랫폼을 만들었다. 플랫폼 자체 승인 문과 τ 2-bench 실험에서 규칙의 가정을 확인했다.

• •저자는 검증자 강도와 복구 가능성 두 측정값을 정의하고, 둘 다 충분할 때만 변경을 사람 승인 없이 배포하는 규칙을 제안했다.
• •플랫폼의 LLM 심판관은 37가운데 9 설정에서 입력과 무관하게 같은 점수를 내며 오류 신호 없이 무너져 있었다.
• •저장해둔 복사본을 되돌리면 원래 행동이 그대로 되살아났지만, 다시 만든 되돌리기는 복원이 바닥보다 0.16 어긋났다.
• •배포된 변경은 소음 바닥보다 17% 더 많은 과제 결과를 바꿨고, 이 변화는 되돌려도 회복되지 않았다.
• •규칙을 적용한 플랫폼은 프롬프트·도구·스킬 편집은 무인으로 허용하고 가중치 갱신은 사람 서명 아래에 남겼다.
• •τ 2-bench 에이전트 벤치마크에서 프롬프트 편집을 통제 실험으로 시험해 규칙의 가정을 뒷받침했다.