CLM은 에이전트가 행동을 고르는 방식을 점수화한다 — 가능성과 재현성 문제
CLM의 state–action 점수화와 캐시 설계, verifier 성능, 공개 재현성 이슈를 함께 살펴본다
Tag15 posts
#Agent Systems
글 목록
그래프 엔지니어링은 에이전트를 더 붙이는 대신, 관계를 운영 대상으로 만든다
Graph Engineering은 LLM 에이전트 시스템의 task·agent·runtime state 관계를 명시적·동적 그래프로 다뤄, 단일 agent loop를 넘어 system intelligence를 설계하자는 survey다.
Qwen-UI-Agent는 GUI 에이전트를 모델이 아니라 현실 실행 스택으로 확장한다
Qwen-UI-Agent는 실제 기기 런타임, GUI·CLI 혼합 행동, 100턴 이상 온라인 RL, 능동형 harness를 하나의 폐루프로 묶어 모바일·컴퓨터·웹을 넘나드는 GUI 에이전트를 제안한다.
Qwen-AgentWorld는 에이전트의 ‘환경’을 예측하는 언어 월드 모델이다
Qwen-AgentWorld는 MCP, 검색, 터미널, SWE, 웹, OS, Android까지 7개 에이전트 환경의 다음 관찰을 예측하도록 학습한 언어 월드 모델과 AgentWorldBench 공개 패키지다.
OpenClaw-Skill은 에이전트 스킬을 목록이 아니라 트리로 찾는다
arXiv 2606.16774는 여러 모델의 실행 궤적과 judge 평가를 결합해 전이 가능한 스킬 트리를 만들고, CSRL로 스킬 조건부 rollout을 비교 학습하는 OpenClaw-Skill을 제안한다.
HarnessX는 에이전트 하네스를 조립하고 진화시키는 런타임 foundry다
arXiv 2606.14249는 prompt·tool·memory·control flow를 typed harness primitive로 분리하고, AEGIS trace-driven evolution과 cross-harness GRPO로 하네스와 모델을...
Evoflux는 작은 툴 에이전트를 학습보다 실행시간 진화로 고친다
arXiv 2606.12674는 MCP-style 툴 사용을 함수 호출 문제가 아니라 실행 가능한 workflow graph를 고치는 문제로 보고, 작은 planner에서 SFT/DPO보다 inference-time evolutionary search...
TIDE는 에이전트의 proactivity를 ‘하나의 추천’이 아니라 숨은 문제들의 발견 과정으로 바꾼다
TIDE 논문은 proactive agent가 사용자의 명시 요청을 기다리는 대신, 개인 workspace와 software repository 안에 공존하는 여러 숨은 문제를 반복적으로 찾고 근거와 해결 행동까지 묶어 내는 template-guide...
Hermes Agent Self-Evolution은 에이전트 스킬을 자동으로 진화시키는 첫 실험이다
NousResearch의 별도 저장소는 DSPy+GEPA로 Hermes Agent의 SKILL.md, 도구 설명, 시스템 프롬프트를 평가 가능한 변종으로 만들고, 작은 Phase 1 검증을 통해 자동 스킬 개선 루프의 가능성과 아직 남은 제품화 간극을...
Enactive AI는 에이전트를 ‘세계와 맞물려 배우는 시스템’으로 다시 묻는다
Rafiee와 Sutton의 arXiv 2605.24238은 경험, 행동-지각 불가분성, 자율성, 체화라는 네 개념으로 LLM과 RL 이후의 에이전트 설계를 재해석한다.
AutoResearchClaw는 자동 연구를 실패에서 배우는 에이전트 루프로 바꾼다
arXiv 2605.20025는 AutoResearchClaw를 multi-agent debate, self-healing execution, verified result registry, HITL co-pilot, cross-run evolution...
Anthropic의 effective agent 원칙은 ‘더 자율적인 모델’보다 먼저 ‘더 단순한 운영면’을 요구한다
Barry Zhang의 AI Engineer 발표는 Anthropic의 Building Effective Agents 글을 바탕으로, 에이전트를 모든 문제에 붙이는 대신 복잡도·가치·검증 가능성·오류 비용을 따지고, 도구와 환경과 시스템 프롬프트로 이...
Hugging Face Open Agent Ecosystem은 에이전트가 모델을 고르고 학습하는 Hub를 만든다
Merve Noyan의 AI Engineer 발표는 Hugging Face Hub가 모델 저장소를 넘어, 오픈 모델 탐색·Inference Providers·traces·skills·MCP·Jobs를 묶어 에이전트가 직접 모델을 선택하고 학습 작업을...
OptiLLM은 추론 시간 최적화를 OpenAI 호환 프록시로 묶는다
OptiLLM은 Best-of-N, MoA, MCTS, CePO, MARS 같은 inference-time 기법을 OpenAI 호환 프록시 뒤에 묶어, 모델 재학습 없이 더 많은 추론 계산으로 정확도와 운영 유연성을 끌어올리려는 런타임 계층이다.
Reinforced Agent는 툴 호출을 실행 전에 한 번 더 검토하는 실용적 안전장치다
Reinforced Agent 논문은 툴 호출 에이전트의 오류를 사후 복구가 아니라 실행 전 리뷰 문제로 바꾸고, Helpfulness-Harmfulness 지표로 reviewer agent가 실제로 도움이 되는지 측정한다.