Tool Workflow의 진화: Evoflux, 작고 간소한 Agent의 도구 사용을 위한 해결책
작고 간소한 언어 모델(LM)은 도구 agent의 비용, 지연 시간, 배포 위험을 줄여주지만, MCP-style 도구 사용은 단순한 함수 호출만으로는 충분하지 않다. 이에 대해, Evoflux는 inference-time 진화 검색 방법을 소개하여, compact tool use를 tool workflow의 수정으로 다루고 있다.
Tool Workflow의 진화: Evoflux
작고 간소한 언어 모델(LM)은 도구 agent의 비용, 지연 시간, 배포 위험을 줄여주지만, MCP-style 도구 사용은 단순한 함수 호출만으로는 충분하지 않다. 이에 대해, Evoflux는 inference-time 진화 검색 방법을 소개하여, compact tool use를 tool workflow의 수정으로 다루고 있다.
Evoflux는 typed workflow graph를 structured edit, execution feedback, adaptive intensity, meta-guided redesign, diversity pruning을 통해 진화시키며, MCP-Bench tasks에서 작고 간소한 계획자들의 실행 가능성을 3%에서 17-24%까지 높여준다.
Evoflux의 특징
- 인페런스 타임 진화 검색: Evoflux는 inference-time에 진화 검색을 수행하여, compact tool use를 tool workflow의 수정으로 다루고 있다.
- 구조화된 편집: Evoflux는 typed workflow graph를 structured edit를 통해 진화시키며, tool workflow의 수정을 지원한다.
- 실행 feedback: Evoflux는 execution feedback를 통해 tool workflow의 수정을 평가하며, 수정된 workflow의 실행 가능성을 높여준다.
- 적응성 강도: Evoflux는 adaptive intensity를 통해 tool workflow의 수정을 조절하며, 실행 가능성을 높여준다.
- 메타 가이드드 리디자인: Evoflux는 meta-guided redesign를 통해 tool workflow의 수정을 지원하며, 실행 가능성을 높여준다.
- diversity pruning: Evoflux는 diversity pruning을 통해 tool workflow의 수정을 평가하며, 실행 가능성을 높여준다.
결과
Evoflux는 MCP-Bench tasks에서 작고 간소한 계획자들의 실행 가능성을 3%에서 17-24%까지 높여준다. 또한, SFT, SFT+DPO, ReAct와 같은 다른 방법들과 비교하여, Evoflux는 더 높은 실행 가능성을 나타내며, token cost를 낮추었다.
결과적으로, Evoflux는 작고 간소한 agent의 도구 사용을 위한 해결책으로서, compact tool use를 tool workflow의 수정으로 다루며, 실행 가능성을 높여준다.
함께 읽으면 좋은 기사
Meta의 영감은 OpenAI와 Anthropic에서 본격적으로 빛나는 AI를 훔쳤습니다.
AI 리더들이 OpenAI와 Anthropic에서 "선도 경계를 맞춰가기"라는 주제로 논의를 시작했을 때, 누군가는 "어느 속도로?"라는 질문을 해야 했을 수도 있었다. 이제는 두 회사가 모두 모델을 출시하는 모델 출시 주간이 되었는데, Anthropic이 Opus 5.5을 출시한 후 OpenAI가 GPT-6 모델 업데이트를 90분만에 출시했다. 그러나 스포트라이트를 잡은 것은 Meta 였는
메타, 인공지능 앱 '뮤즈'에 힘을 싣는다
메타는 인공지능 개인 에이전트 '뮤즈'를 더욱 홍보하기 위해 대규모 언어 모델(LLM) 기반 앱의 홍보를 강화하고 있습니다. 뮤즈 앱은 앱스토어 차트에서 1위를 차지하고 사용자 추가가 빠른 속도로 진행되고 있습니다.
메타의 AI 태그치 시도는 성공적인 것일까?
메타의 개인 AI 에이전트 '뮤즈'가 ChatGPT의 초기 성과를 능가하고 있으며, 스마트 글래스와 같은 장치로 확장될 예정입니다. 메타의 AI 태그치 시도가 성공적인 것일까요?
OpenAI의 agent 군단이 수개월 동안 온라인 데이터베이스를 공격해 희귀한 사실을 찾고 있다.
연구자들이 최근에 불법적 인 에이전트 군집들이 발견되었다고 밝혔다.
강화 학습 기반 역할 놀이 에이전트의 역할 학습을 위한 적대적 폐쇄 루프 교육과정
역할 연기하는 agent는 대규모 언어 모델을 기반으로 한 것들이 개인화된 지원 및 사회 시뮬레이션과 같은 분야에서 광범위하게 적용되어 왔다. 최근 RL 방법들은 학습이 시작되기 전에 미리 수집한 고정된 시나리오 풀에서 훈련을 받는다. 이로 인해 분포적 병목 현상이 발생한다: agent가 향상될수록 agent가 나쁜 성능을 보이는 시나리오도 변하고, 훈련 분포는 정적이다. 따라서, 우리는 역
BaseCamp - AI 프레임워크를 활용한 DNA 서열 데이터 PIPE라인 자동화
DNA 시퀀싱 pipe라인을 처리하는 quality control, alignment, variation calling, annotation과 같은 작업은 이제 대규모 언어 모델(LLM)과 같은 established bioinformatics 도구를 scale에 맞게 조율하는 workflow 관리 시스템에 의해 신뢰할 수 있게 실행되고 있습니다. 그러나 그 실행에 관련된 결정 layer는 여
관련 콘텐츠 더 보기
다른 플랫폼에서 이 주제에 대한 더 많은 정보를 확인하세요.