리서치 연구
장기 에이전트의 실행 가능한 작업 절차 학습 방법론
Success Leaves Detours: Learning Executable Walkthroughs for Long-Horizon Agents
arXiv장기적인 작업을 수행하는 AI 에이전트가 과거 경험을 재사용할 때 발생하는 실패나 루프 같은 비효율성을 해결하기 위해 'Trace'라는 새로운 프레임워크를 제안합니다.
세 줄 요약
- Trace는 노이즈가 많은 작업 과정을 분석하여, 성공/실패 증거와 의존성 추적을 통해 필수적인 상태 조건과 행동의 선후 관계를 갖춘 실행 가능한 절차로 변환합니다.
- 단순한 요약이나 전체 궤적 재사용보다, 특정 진입 조건이 명시된 '실행 가능 워크스루'가 장기 상호작용의 효율성을 극대화하는 핵심임을 보여줍니다.
- 결과물은 진입 조건, 순서화된 상태-행동-효과 단계 등을 포함하므로, 프로그램적인 검증이나 중간 과정 재개 등 높은 수준의 활용이 가능합니다.
장기적인 작업을 수행하는 AI 에이전트가 과거 경험을 재사용할 때 발생하는 실패나 루프 같은 비효율성을 해결하기 위해 'Trace'라는 새로운 프레임워크를 제안합니다.