장기 작업 에이전트 성능 향상 기법 'StateM' 공개: 런북과 체크포인트 활용

요약

StateM은 장기 호라이즌 에이전트의 실패 원인을 언어 모델 자체의 한계가 아닌 실행 시스템의 문제로 규정하고 이를 개선하는 새로운 방법론을 제시한다. 이 시스템은 내구성 있는 상태 체크포인트, 단계별 컨텍스트, 검증된 전환, 복구 가능한 런북 등을 통해 북키핑을 외부화하고 복구 절차를 재사용 가능하게 만든다. Terminal-Bench 2.1 성능 평가에서 StateM을 적용한 GPT-5.5 xhigh는 성공률이 83.1%에서 92.1%로 상승했고, GPT-5.6 Sol xhigh는 95.3%를 기록했다. 특히 특정 모델로 개발한 런북을 GPT-5.6 Luna에 적용했을 때도 76.7%에서 85.4%로 성능이 향상되는 등 모델 간 전이 학습 효과를 입증했다. 또한 DeepSeek 변형 모델은 38달러 미만의 적응 비용으로도 88.1%의 성공률을 달성하며 경제적 효율성을 보여주었다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.