인터랙티브 자율 시스템의 자동 설계

arXiv:2608.06410v1 발표 종류: 새로운 초록: 자동화된 agent 설계는 반복적인 수정, 평가, 피드백 요약을 통해 agent를 개선하는 데 도움이 됩니다. 현재 방법들은 주로 후보자 중심(focus on candidate agents)입니다: 반복되는 경험이 후보자 agent를 중심으로 조직되기 때문에, 수정 진행 상황은 암묵적으로 표현됩니다. 이로 인해, 불필요한 수정 목표를 설정하고, 부분적인 진행 상황을 통합하는 데 시간이 걸리고, 각 반복 단계에서 무효한 조정을 전파하는 문제가 발생합니다. 따라서, 우리는 문제 중심적(agent optimization issue-centric) 설계를 제안합니다. 여기서, 수정 진행 상황은 명시적인 지속적인 문제 상태(persistent issue state)로 전달되서 최적화에 사용되며, 각 반복 단계에서 후보자 기록(candidate history)으로부터 재 계산되지 않습니다. 우리는 ADIAS라는 자동화된 full-code agent 설계 framework를 제안합니다. 이 framework에는 두 가지 메커니즘이 있습니다. 지속적인 문제 상태(persistent issue state)는 안정적인 문제 식별, 라이프 사이클 상태, 증거, intervention-outcome 기록을 유지합니다. 문제를 따라가는 최적화(issue-guided optimization)는 이 상태를 사용하여, 다음 반복 단계에서 집중적인 full-code 수정을 위한 수정 목표와 수정 방향을 함께 제안합니다. 다섯 가지 인터랙티브 벤치마크에서 ADIAS는 평균 25.2%로 가장 강력한 baseline보다 우수하며, 네 가지 백본 모델에서 일관된 성능 향상을 달성했습니다. 제어된 절단(ablation) 연구 결과, 지속적인 문제 상태를 제거하거나, 문제 중심적인 수정 방식(issue-centric revision)과 후보자 중심 정책(candidate-centric policies)을 교체하면, 최대 40.7%의 성능 하락이 발생합니다.