스탠포드, 실패 원인만 골라 강화학습하는 오픈소스 '트레이스(TRACE)' 공개

요약

스탠포드대학교 연구진이 AI 에이전트의 실패 원인을 자동으로 분석하여 부족한 역량만 집중 학습시키는 오픈소스 프레임워크 'TRACE(Turning Recurrent Agent failures into Capability-targeted training Environments)'를 공개했다. 이 시스템은 기존 대비 4분의 1 수준의 데이터만으로도 고성능을 발휘하는 것이 특징이다. 실제로 TRACE를 적용한 270억 개(27B) 규모의 오픈웨이트 모델은 소프트웨어 엔지니어링 벤치마크에서 기존 상용 모델의 성능을 상회하는 결과를 보였다. TRACE는 에이전트가 반복하는 실수를 스스로 진단하고 이를 교정할 수 있는 맞춤형 환경을 생성함으로써 학습 효율을 극대화한다. 연구진은 이번 성과를 온라인 아카이브에 공개하며 AI 에이전트 개발의 새로운 효율성 기준을 제시했다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다.