공자가 운전대를 잡는다면, 검색으로 배우는 자율주행의 예의
유교적 가치 지침을 검색 증강 생성으로 엮어낸 CPW-Drive를 해설합니다. 고전 텍스트가 운전 원칙으로 바뀌고 물리 기반 검색이 과거 사례를 꺼내는 과정을 따라가며 Highway-env에서의 성공률과 절충점을 짚습니다.
핵심 주제
AI 에이전트
AI 에이전트를 도구에서 책임 있는 동료로 전환하기
에이전트 오케스트레이션, 협업, 역할과 에스컬레이션, 장기 실행과 인간 감독을 실제 운영 관점에서 살펴봅니다.
관련 글
페이지 5
도구를 들면 거절을 잊는 모델
도구를 쓰는 에이전트형 멀티모달 모델에서 거절 성능이 왜 떨어지는지, 세 가지 안전 벤치마크와 10만 개 응답 분석 결과를 따라가며 해석한 논문 해설입니다.
옆에서 보는 눈이 더 정확할 때, 블랙박스 에이전트를 감사하는 법
토큰 확률을 숨긴 채 행동하는 LLM 에이전트의 실수를 작은 surrogate 모델의 log-probability로 골라내는 Proxy Confidence 연구를 해설합니다.
에이전트의 깊이를 재는 법: 점수 너머의 다섯 가지 눈금
성공률 하나로 LLM 에이전트를 평가할 수 있을까요. 궤적 전체를 읽는 다섯 가지 기준과 이를 오래된 벤치마크에 얹는 법을 따라가 봅니다.
수익이 났다는 말과 잘 골랐다는 말은 다르다
금융 LLM 에이전트의 배포 효과를 종목 선택 능력과 분리하는 Agent Policy-Value Audit의 발상과 실험을 해설합니다.
틀렸다는 말 너머를 묻는 수치 지능, ADSD를 읽다
실행 피드백만으로는 풀리지 않는 solver 개선을 진단 우선 접근으로 풀어낸 ADSD 연구를 네 가지 수치 영역과 GOC-500에서의 71배 오차 감소, 재사용 가능한 skill 구조 중심으로 읽는다.
행동하기 전에 고르기, 긴 도구 사용 에이전트가 배워야 할 한 박자
최종 성공만 보고 배우는 에이전트가 긴 도구 호출에서 길을 잃는 이유를 따라가며, 실행 전에 다음 호출의 가치를 비교로 배우는 CITA와 비교 추론 모델의 구조와 시험 결과를 읽는다.
빠른 모델, 느린 증거: 에이전트 하네스의 System-1 결정 모델을 나란히 놓고 다시 잰 연구
작고 빠른 결정 모델 2종을 동일한 입력 위에서 나란히 비교한 평가 연구를 해설합니다. 언제 빨라지고 언제 무너지는지, 그리고 절감률과 정확도가 어떻게 바로잡혔는지 따라갑니다.
잘 붙는 약이 아니라 엉뚱한 곳에 안 붙는 약을 만드는 법
SpecOpt는 결합력 자체가 아니라 표적과 off-target 사이의 결합 간격을 직접 최적화하는 에이전트 작업으로, 잔기 수준 접촉 차이를 근거로 분자를 고칩니다.
눈과 계획을 하나의 그래프로 묶으면 무슨 일이 생길까
지각을 단단한 기호로 굳히지 않고 부드러운 상태로 들고 가면서, 논리 규칙 위에서 경사하강법으로 계획을 푸는 신경 소프트 기호 프레임워크를 해설합니다.
에이전트는 더 높은 추상화에서 더 좋은 칩을 설계할까
RTL에 직접 매달리는 대신 HLS라는 높은 추상화에서 출발하고 RTL 다듬기로 마무리하는 흐름이 왜 11개 과제에서 기하평균 2.6배의 속도 향상을 냈는지, FPGA 끝단 평가와 함께 읽어봅니다.
에이전트는 과제를 통과했다, 다시 시키면 어떨까
한 번의 성공이 아니라 반복해도 통하는 실력을 묻는 IBM 리서치의 문제의식을 따라 에이전트 일관성의 원인과 측정법, 현장 대책을 풀어봅니다.