#Agent

AI / AGENT

UC 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.

AI / AGENT

Microsoft·UC Berkeley의 TokenEconomizer 논문 리뷰. 같은 저장소에서 과제를 이어 풀 때 코딩 에이전트가 반복하는 낭비(다시 알아내는 명령, 안 쓰는 도구 23개 중 16개, 전체 비용의 32%를 먹는 실패 17%)를 trace로 재고, 마이크로 스킬·도구 가지치기·실패 루프 개입 세 가지를 하네스 바깥의 블랙박스 플러그인으로 붙여 Claude Code·Codex·Copilot CLI에서 비용 18.4~30.9%를 줄인 결과를 정리한다. 8편 '하네스가 사는 건 토큰뿐'의 후속으로, 모델과 하네스를 건드리지 않고 청구서를 줄이는 방법과 그 한계를 비판적으로 읽는다.

AI / LLM

럿거스대 Zhao·Lin 등의 논문 'Metacognitive Decoding: Efficient Inference for Diffusion Language Agents' 리뷰. 마스크 확산 언어 모델이 어떻게 텍스트를 만드는지(병렬 디노이징, 블록, 스텝 수와 품질)부터 짚고, 얼어붙은 확산 백본 위에 2층 Transformer 컨트롤러를 얹어 어떤 토큰을 확정할지와 블록의 몇 칸을 계산할지를 GRPO로 학습시킨 방법, BFCL·멀티홉 QA 5개 벤치마크에서 가장 효율적인 베이스라인 대비 FLOPs 20.6% 절감이라는 수치의 실제 구성을 뜯어본다.

AI / AGENT

MIT CSAIL·MIT-IBM 연구진의 논문 'Swarm Telepathy: Prefill-Free KV-Cache Transfer Across Families' 리뷰. 서로 다른 계열의 두 LLM을 고정한 채 약 3억 파라미터의 번역기(SwaT)만 학습해 송신 모델의 KV 캐시를 수신 모델의 캐시 공간으로 옮긴다. 수신 모델은 텍스트를 다시 prefill하지 않고, 캐시 압축(AM)과 결합하면 텍스트 요약 전달보다 평균 40% 높은 점수와 약 4배 빠른 속도를 보고한다. 6개 계열 12개 모델·17개 벤치마크 실험과 이미지·중국어 지식 전이, 그리고 모델 쌍마다 번역기가 필요하다는 한계를 정리한다.

AI / AGENT

산둥대 Liu·Han의 논문 'What Does a Harness Buy? Tokens, Mostly.' 리뷰. 5개 모델을 Claude Code, mini-SWE-agent, OpenCode 세 하네스로 SWE-bench Verified에서 돌리고 같은 설정을 다시 돌려 비교했더니, 하네스를 바꿀 때 뒤집히는 과제 비율(13%)이 재실행 때와 같았고 과제당 비용만 최대 3배 갈렸다. 하네스 시리즈의 '반론 편'으로 실험 설계, 실패 유형, 비용 구조, 그리고 시리즈의 다른 논문과 어떻게 양립하는지를 정리한다.

AI / AGENT

UCSB와 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.

AI / AGENT

Microsoft Research가 2026년 10월 24일 MIT 라이선스로 공개한 자기조직화 멀티에이전트 하네스 Agensh(arXiv 2609.26781)를 1차 출처로 정리한다. 오케스트레이터 없이 Gitea·Mattermost·공유 컨텍스트 보드 위에서 동일한 프롬프트를 받은 워커들이 작업을 claim하고 머지하는 5단계 협업 루프, ProgramBench 최난이도 5개 과제에서 1→128 에이전트가 19.31%→28.78%, pandoc 1→1,024가 33.89%→55.06%를 기록한 조건, 8/32/128/1,024개 규모에서 관찰된 창발적 리뷰·integrator 역할, 그리고 동일 비용 비교가 아니라는 한계와 재현 요구사항까지 다룬다.

AI / AGENT

Google 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.

AI / AGENT

2026년 6월 Steinberger·Cherny·Osmani의 발언으로 퍼진 '루프 엔지니어링'을 1차 출처로 정리한다. 프롬프트→컨텍스트→하네스→루프로 이어지는 계보, 하네스와 루프의 경계, Ralph Wiggum bash 루프가 통한 이유, 트리거·검증자·종료 규칙·가드레일 구성 요소, Claude Code /loop·/goal과 Codex /goal의 실제 범위, 그리고 '리뷰 가능한 근거 없이 퍼진 개념'이라는 arXiv 논문의 지적과 36,710개 저장소 마이닝 결과까지 다룬다.

AI / AGENT

Google의 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.

AI / AGENT

특권을 가진 LLM 에이전트와 OS 사이에 planner, policy gate, executor, auditor 네 역할을 끼워 넣어 공격 성공률을 98.3%에서 7.7%로 낮춘 TDGA 논문(arXiv 2609.38224)을 리뷰합니다. 구조화된 intent, 실행될 바이트에 바인딩된 1회용 자격증명, OS 샌드박스의 기여, 11.1%의 false-denial 비용까지 숫자로 정리하고, '선의의 에이전트가 감시를 우회한다'는 Covert Assistance 논문(arXiv 2609.39050)을 동기로 함께 다룹니다.

AI / AGENT

스탠포드 James Zou 팀의 Nature 논문 Paper2Agent 리뷰. 논문과 코드베이스를 멀티 에이전트로 분석해 MCP 서버로 변환하고, 그 MCP를 Claude Code 같은 에이전트에 붙여 '논문 에이전트'를 만드는 파이프라인을 정리합니다. 두 논문 에이전트가 협업해 ADHD 관련 변이를 찾아낸 사례와 100편 규모 대량 평가 결과까지 다룹니다.

AI / AGENT

EverMind AI의 Raven 논문 리뷰. 실행 가능한 모델-하네스 쌍을 조합 단위로 보고, Host Agent가 목표를 DAG로 분해해 전문 에이전트에 배정하며, host archive·EverOS·Skill Forge로 경험을 축적한다. 조합이 task coverage를 넓히는 이론적 조건과 장기 과제 벤치마크 결과까지 정리한다.

AI / LLM

UW·Meta Superintelligence Labs의 Context Language Models(CLM) 논문 리뷰. 모델의 라이브 컨텍스트를 하나의 파일로 미러링하고 Bash로 마음대로 편집하게 하자, 요약·슬라이딩 윈도우·메모리 툴 같은 기존 컨텍스트 관리 전략보다 더 적은 연산으로 더 높은 정확도를 냈습니다. 자연어 한 문장으로 전략을 조종하고, 온라인 RL로 가중치에 내재화하는 방법까지 정리합니다.

AI / AGENT

Anthropic이 제안한 MCP의 구조와 작동 원리를 깊이 파헤칩니다. Host, Client, Server의 역할 분리부터 직접 MCP 서버를 만드는 실습 코드까지 한 번에 정리합니다.

AI / AGENT

Anthropic이 공개한 경량 샌드박싱 도구 Sandbox Runtime(srt)을 소개합니다. 네트워크/파일시스템 제한, MCP 서버 샌드박싱, 이중 격리 모델까지 실전 예제와 함께 정리합니다.

AI / AGENT

Meta와 Harvard가 공동 발표한 Confucius Code Agent(CCA) 논문 리뷰. AX/UX/DX 분리, 계층적 컨텍스트 관리, Hindsight Notes, 메타 에이전트 등 핵심 메커니즘을 코드와 함께 정리합니다.

AI / AGENT

Anthropic이 발표한 장시간 실행 AI 에이전트 문제 해결 방법. 초기화 에이전트와 코딩 에이전트의 역할 분리, git 기반 상태 관리, 테스팅 자동화까지 핵심 인사이트를 정리합니다.

AI / AGENT

AUI가 발표한 Apollo-1은 태스크 지향 대화형 AI를 위한 신경-상징 기반 모델입니다. LLM 에이전트의 한계를 넘어 결정론적 행동 보장을 구현한 새로운 아키텍처를 정리합니다.

AI / AGENT

AI 모델을 위한 새로운 소프트웨어 실행 계층 MVM(Model Virtual Machine)의 필요성을 살펴봅니다. MCP, LangChain 등 기존 시도들과 함께 AI 실행 환경의 미래를 정리합니다.

AI / AGENT

AI Agent의 정의와 역사, 그리고 LangChain, AutoGPT, CrewAI 등 초기 에이전트 툴들의 등장과 한계, MCP와 A2A로 이어지는 에이전트 생태계의 발전을 정리합니다.

AI / AGENT

구글이 발표한 에이전트 간 통신 표준 A2A 프로토콜을 소개합니다. MCP와의 관계, AgentCard 구조, 작업 상태 관리까지 정리합니다.

AI / AGENT

Anthropic이 발표한 Model Context Protocol(MCP) 최신 업데이트 핵심 변경 사항을 정리합니다.