Component Routing Paper review
GUI 에이전트가 스스로 만든 경험을 locator·procedure·state fact·lesson 네 조각으로 쪼개고, 조각마다 파인튜닝(weights)과 검색 노트(context) 양쪽에 똑같이 넣어 비교했다. locator 는 weights 에서, procedure 와 st...
Recent posts
What Does a Harness Buy Paper review
같은 모델을 Claude Code, mini-SWE-agent, OpenCode 세 하네스에 넣고 SWE-bench Verified 를 돌린 뒤, 같은 설정을 한 번 더 돌려 잡음 크기를 쟀다. 하네스를 바꿔서 뒤집히는 과제 비율과 그냥 다시 돌려서 뒤집히는 비율이 둘 다 13% ...
EFRE Paper review
프롬프트 최적화를 과제가 순서대로 들어오는 continual learning 에 그대로 쓰면 앞 과제를 잊는다. 프롬프트 하나 대신 프롬프트 여러 개를 두고, 갱신이 과거 성공 사례의 점수를 90% 이상 지킬 때만 받아들이면 FinQA 하락이 25.10점에서 1.56점으로 줄어든다...
Dynamic Concurrency Paper review
Codex·Claude Code·Kimi Code 에 내장된 서브에이전트 병렬 실행을 켜고 끄며 354개 코딩 과제에서 비교한 논문. 토큰은 1.41~3.31배 늘지만 통과율은 -11.9점에서 +2.3점 사이에서 움직이고, 804건의 실패를 28개 패턴으로 분류했다.
BEMULA Paper review
사용자가 ‘그 정보 잊어줘’라고 하면 에이전트 메모리는 정말 지우는가. 50개 대화에 135개 forget request 를 심고 대조군 버전과 짝지어 잰 벤치마크인데, Mem0·A-MEM·LangMem·LightMem·SimpleMem·naive RAG·full-context 전...
ARIA Paper review
싼 모델이 일을 하다가 언제 비싼 모델에게 물어볼지를 24칸짜리 Q-table 로 배운다. 자기 확신이 아니라 워크플로 신호만 보고 결정하는데, SWE-bench 에서 executor 18% 와 advisor 62% 사이의 68% 를 advisor 비용의 절반 이하로 회수했다. 그...
RBC Paper review
에이전트가 스스로 쓴 플레이북의 어떤 교훈을 남길지를 에이전트의 판단 대신 무작위 실험으로 정한다. 같은 절차로 키운 플레이북이 도움이 되기도, 플레이북 없는 것보다 69.6점 낮기도 한데, 에이전트의 자체 태그는 그 해를 못 걸러냈다는 논문.
Harness Benefit Paper review
스킬·프롬프트·메모리를 고쳐 쓰는 자기진화 에이전트에서, 갱신을 잘 만드는 능력과 갱신으로 득을 보는 능력은 다른 것이었다. 9B 모델이 쓴 스킬도 Opus 4.6이 쓴 스킬만큼 효과가 있고, 득은 중간 체급 모델이 가장 많이 본다는 걸 7개 모델 x 3개 벤치마크로 잰 논문.
GenericAgent Paper review
도구는 9개만, 상시 노출 메모리는 인덱스만, 검증된 궤적은 SOP 와 코드로. 컨텍스트에 남는 정보의 밀도를 올리면 토큰을 덜 쓰면서 더 많이 푼다는 걸 Claude Code·OpenClaw 와 비교해 보인 에이전트 시스템 보고서.
Claude·ChatGPT 메모리 비교
같은 뼈대, 다른 방식. 대화 중에 항목을 쓰는 Claude와 백그라운드에서 합성하는 ChatGPT를 일곱 축으로 비교하고, 논문 21편에서 겹친 결론과 맞춰봤다.