Harness²: 에이전트의 하네스와 개선 절차를 함께 진화시킨다
Harness²는 정답 피드백 없이 실행 궤적을 대조해 현재 하네스를 고치고, 그 경험을 다음 개선에 재사용한다. 두 재귀의 역할과 성능·추론 비용·평가 오염의 경계를 살펴본다.
Blog401 posts
Knowledge WIKI
AI 에이전트, 검색, 문서 AI, 모델 학습을 읽고 만들면서 정리한 글입니다.
분야와 태그로 좁혀 볼 수 있습니다.
401 posts, 1-13 showing
글 목록
REA: 리버스 엔지니어링을 코딩 에이전트의 근거 수집 도구로
REA는 바이너리·Electron·브라우저 분석을 MCP와 CLI로 연결한다. 핵심은 소스 복원이라는 약속보다 관찰 결과의 출처·범위·미확인 사항을 유지하는 Evidence 계약에 있다.
GroundingPI: 로봇에게 행동보다 먼저 ‘어디’를 가르친다
GroundingPI는 점·박스를 공유 어휘로 생성하는 지각 기반 모델이다. 정밀한 위치 감독이 로봇 정책으로 전이되는 근거와, 시뮬레이션·오픈루프 평가 및 공개 모델의 한계를 구분한다.
PhysBrain 1.5: 이해·동작·미래 상태를 하나의 토큰 모델로 묶다
PhysBrain 1.5는 언어·손목 궤적·미래 RGB·깊이·마스크를 공동 학습한다. 체화 이해 평가의 강점과 실제 로봇 실행으로 아직 입증하지 않은 범위를 구분한다.
VisionWeave: 시각 토큰을 버리지 않고 해상도를 배분한다
VisionWeave는 공간 블록마다 정밀 토큰과 압축 토큰을 선택해 시각 표현의 밀도를 학습한다. 토큰 절감·서빙 효과와 아직 공개되지 않은 학습 가중치를 함께 살핀다.
S-Space: 모델은 위치를 알면서도 시점 전환을 틀린다
S-Space는 멀티모달 모델의 객체 토큰에서 공간 좌표를 읽고 개입해, 위치 지각과 시점 변환 추론의 실패를 분리하는 진단 방법이다.
Vela 2.0: 라우팅 질문을 한 모델 인터페이스로 묶다
vLLM-SR의 Vela 2.0은 여러 라우팅 신호를 공통 질문 모델로 통합하지만, CPU 지연·작업별 정확도·평가 선택 편향을 함께 따져야 한다.
HAD는 에이전트 증류에서 하네스가 바꾼 행동을 따로 가르친다
Harness-Aware Distillation은 같은 교사를 하네스 유무로 비교해, 작은 에이전트가 외부 상태·피드백에 반응하는 행동을 직접 학습하도록 한다.
HarnessRouter는 여러 에이전트 하네스를 하나의 실행 API로 묶는다
HarnessRouter Community Edition은 여러 CLI 하네스를 세션별 workspace에서 실행하고, UHP·Responses 호환 API로 task와 실행 상태를 통합하는 self-hosted 런타임이다.
CLM은 에이전트가 행동을 고르는 방식을 점수화한다 — 가능성과 재현성 문제
CLM의 state–action 점수화와 캐시 설계, verifier 성능, 공개 재현성 이슈를 함께 살펴본다
MALA는 어텐션이 확률 질량으로 계산량을 배분하게 한다
MassAlloc Attention(MALA)은 모든 인과적 QK 점수는 계산하되, 기여도가 낮은 타일의 후속 연산을 건너뛰어 긴 문맥의 attention 비용을 줄인다. 단, QK 점수 탐색은 여전히 제곱 복잡도다.
Qwen-Planner-Agent는 모델 훈련과 실행 하네스를 함께 개선한다
모바일 에이전트를 데이터 생성·강화학습·실행 하네스의 폐루프로 개발하는 Qwen-Planner-Agent의 구조와 MobilePA-Bench 결과, 비용 비교의 범위를 살펴본다.
WROP는 비디오 모델의 물체 영속성을 훈련하고 시험한다
150개의 Blender 생성 과제로 물체 영속성과 고체성 추론을 측정하는 WROP 데이터·시험 세트와, 이를 학습한 비디오 연속 생성 모델 PWM-WROP를 정리한다.