LLM Agent
LLM이 생각하고, 도구를 쓰고, 행동하는 구조. ReAct, Reflexion, Voyager, CoALA.
-
ReAct Paper review
지금 LLM Agent들이 도는 루프가 나온 논문. Thought → Action → Observation 루프부터 LangChain create_agent까지 뜯어본다.
-
Reflexion Paper review
실패를 반성문으로 남겨 다음 시도에 써먹는 에이전트. 가중치 업데이트 없는 ‘말로 하는 강화학습’으로 HumanEval 91%를 찍었다.
-
Toolformer Paper review
사람 어노테이션 없이 LM이 스스로 도구 사용법을 배운다. ‘이 도구 호출이 다음 토큰 예측을 쉽게 하는가’라는 필터 하나로 학습 데이터를 만든 논문.
-
Generative Agents Paper review
LLM 에이전트 25명을 가상 마을에 풀어놓으면 무슨 일이 벌어지는가. 행동의 정확도가 아니라, 기억-회상-반성-계획 구조가 경험에 근거한 믿을 만한 행동을 유지시키는지를 측정한 논문.
-
Voyager Paper review
마인크래프트에서 스스로 과제를 정하고, 성공한 행동을 코드로 저장해 재사용하는 lifelong learning 에이전트. ReAct와 Reflexion은 여기서 나무 도구도 못 만들었다.
-
CoALA Paper review
에이전트를 볼 때 세 가지만 물으면 된다. 무엇을 기억하는가, 무엇을 할 수 있는가, 어떻게 결정하는가. ReAct부터 Voyager까지를 이 세 질문으로 정리한 논문.
-
LLM Agent Survey Paper review
Profile·Memory·Planning·Action, 에이전트를 4모듈로 나눈 서베이. CoALA가 이론이라면 이 서베이는 2023년까지의 에이전트 연구를 모아 정리한 논문이다.
-
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.
-
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 모...
-
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 adviso...
-
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 28...
-
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 돌...
-
REFLEX Paper review
에이전트의 한 스텝을 ‘고르는 일’과 ‘쓰는 일’로 나누고, 고르는 일은 텍스트 대신 선택지와 확신도만 내는 작은 결정 모델에 맡긴다. 자체 벤치마크에서는 강한 모델 호출이 72.7% 줄고 성공률이 올랐지만, BFCL 과 τ²-bench 에서는 ...
-
TROVE Paper review
미리 짠 워크플로를 끝까지 돌리지도, 매 스텝 다시 짜지도 않는다. 스킬 하나를 실행할 때마다 남은 경로를 검사해서 그대로 두거나, 한 칸 끼워 넣거나, 뒷부분만 갈아 끼운다. 18개 설정 중 16개에서 AFlow보다 점수가 오르고 시간도 줄었다.