참고X
[연구] AI 에이전트가 스스로 워크플로우를 개선하는 'Harness Learning' 논문 공개
모델 가중치 수정 없이 제어 코드(harness)를 고쳐 성능을 높이는 방식을 제안. 에이전트 최적화의 새로운 접근법으로 주목할 만함.
요약
AI 에이전트가 모델 가중치를 변경하지 않고도 워크플로우를 제어하는 코드인 '하니스(harness)'를 스스로 수정해 새로운 작업 성능을 개선하는 방식이 제시되었다. '하니스 러닝(harness learning)'이라 명명된 이 방법은 모델이 실행 피드백을 바탕으로 에이전트의 도구 사용 및 정보 흐름을 재설계하는 학습 과정을 거친다. 연구 결과, 21개의 새로운 추론 작업에서 기존 32%였던 평균 점수가 강화 학습 이후 62%로 상승했다. 특히 학습된 4B 모델이 35B 모델보다 더 나은 수정안을 제시하는 등 뛰어난 효율성을 보였다. 멀티홉 질의응답 작업에서도 반복적인 수정 과정을 통해 성능이 개선되었으며, 새로운 벤치마크로의 전이 능력도 확인되었다.
AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.
원문 제목 @mark_k: AI agents can improve at new tasks by rewriting the code that runs them, while their model weights stay frozen! A new paper explor
원문 보기 ↗