#자기개선
4개의 글RSS
AI / AGENT
Hippo: 하네스 대신 기억을 고친다, 해마 재생에서 빌려온 학습 없는 에이전트 자기 진화15분UC Irvine·Rice·Zillow의 Hippo 논문 리뷰. 모델 파라미터도 하네스 코드도 건드리지 않고 외부 메모리만 갱신해 에이전트를 진화시킨다. 같은 과제를 8번 돌려 실패하거나 '운 좋게 맞은' 시도만 반성하고(선택적 부호화), 시도들을 대조해 뽑은 경험을 기존 메모리와 병합·삭제한다(해마 재생). SWE-bench Verified·WebArena·Mind2Web 수치, 메모리를 쌓기만 하면 무기억보다 나빠지는 역U 곡선, '그냥 다시 시도' 기준선, 그리고 과제 순서와 심판 공유 같은 비판적 읽기까지 정리한다.
AI논문리뷰AgentHarness자기개선메모리에이전트설계LLMSWE-benchWebArenaAI / AGENT
ScholarEvolve: 실패 로그 대신 논문을 읽고 하네스를 진화시키는 에이전트17분UCSB와 Microsoft의 ScholarEvolve 논문 리뷰. 자기 개선 에이전트가 제안을 만드는 원천을 '자기 실패 로그'에서 '학술 문헌'으로 바꾼다. 하네스를 5개 모듈로 나누고, 실패 감사 → 역량 격차 → arXiv 검색 → 토픽 모델링 → 논문 읽고 구현 → 모듈 교차 → 검증 세트 채택이라는 유전 알고리즘식 루프를 돈다. AppWorld·tau-Bench 수치, 3라운드 평생 진화, ablation, 그리고 논문이 다루지 않는 보안·비용 문제까지 정리한다.
AI논문리뷰AgentHarness자기개선에이전트설계LLMMicrosoftAI / AGENT
Harness²: 정답 없이 하네스를 고치고, 고친 경험까지 쌓는 재귀적 하네싱18분Google Cloud AI Research의 Harness² 논문 리뷰와 공개 코드 실행기. 하네스가 설계 분포 밖의 과제에서 깨지는 open-world 문제를 두 층의 재귀로 푼다. 과제 수준에서는 정답 피드백 없이 Propose–Probe–Compose로 편집을 검증하고, 하네싱 수준에서는 채택된 하네스와 교훈을 개선 하네스에 축적한다. 8개 편집 가능 컴포넌트, 병렬·순차 재귀, 세 벤치마크 수치, 그리고 macOS에서 데모를 직접 돌려본 결과와 보안 주의까지 정리한다.
AI논문리뷰AgentHarness에이전트설계자기개선LLMGoogleAI / AGENT
RRSI: 하네스가 스스로를 고칠 때 벤치마크 과적합을 막는 정규화13분Google의 RRSI 논문 리뷰. 에이전트 하네스를 LLM이 반복 편집하는 재귀적 자기 개선은 진화 세트에 과적합되기 쉽다. 시간에 따라 줄어드는 편집 예산, 정체 시 탐험 유도, 누수 비평가와 노이즈·비용 기준의 선별, 구조 가지치기로 검색을 정규화해 8개 벤치마크에서 OOD 전이와 토큰 효율을 동시에 얻은 결과를 정리한다.
AI논문리뷰AgentHarness에이전트설계자기개선LLMGoogle