MAVEN: 의사소통 도구의 일반화 향상

대인간 논리 시스템의 신뢰성을 높이는 데 있어, 도구 호출 환경 간 일반화가 큰 과제로 남아 있다. 개별 벤치마크에서 강력한 결과를 달성하는 대규모 언어 모델(LLM)도, 논리 전략의 조합, 중간 상태의 보존, 도메인 간 도구의 조정 등에 대한 능력은 여전히 미흡하다. 우리는 MAVEN(Modular Agentic Verification and Execution Network)이라고 하는 가벼운 Symbolic Reasoning scaffold를 제시한다. 이 scaffold는 구조화된 분해, 적응적 도구 조정, 중간 검증을 위한 모듈식 인공 지능 검증 및 실행 네트워크이다. 우리는 MAVEN을 established tool-calling benchmarks인 BFCL v3, TauBench, Tau2Bench, AceBench에 대해 평가하고, MAVEN-Bench라는 multi-step 수학적 및 물리적 논리와 explicit verification 및 adversarial task composition을 포함하는 stress-test 벤치마크를 소개한다. MAVEN-Bench는 partial reasoning quality와 end-to-end task success 사이에 크게 있는 격차를 드러낸다. MAVEN은 GPT-OSS-120b base model에 비해 48%에서 71%의 정확도 향상을 달성했으며, 추가 학습 없이 MAVEN-Bench에서 직접 실행한 결과이다. 또한 MAVEN은 Frontier proprietary baseline과 경쟁력을 유지하면서, open-weight backbone을 사용하여 약 1/10의 비용비율을 달성했다. 이는 가벼운 verification-centered scaffold가 compositional reasoning을 강화하고, agent의 process-aware evaluation을 유도할 수 있음을 시사한다.