AI 에이전트, 미채택 수정 결과도 학습에 활용하는 방법 제시

요약

연구진은 AI 에이전트가 채택하지 않은 수정 결과까지 다음 개선에 활용하는 'HMED' 방식을 제안했습니다. 이 방식은 에이전트의 '메타 스킬'(개선 절차)을 과거 상태로 복원하여 수정 전후를 비교하고, 이 비교 결과를 다음 학습에 반영합니다. Qwen3-32B와 DeepSeek-v4-Flash 모델에 세 가지 과제를 적용한 결과, HMED가 기존 방식 대비 높은 평균 후속 성능을 기록했습니다. 특히, 수정 결과를 다음 업데이트에 전달하는 과정 자체가 성능 향상에 기여했음이 확인되었습니다.

AI가 원문을 요약한 내용으로, 부정확할 수 있습니다. 투자 판단의 근거로 삼기 전에 원문을 확인하세요.