|잡돌쌤•2026-05-22•2분 소요

논문은 6개 제어 상태(Act·Ask·Refuse·Stop·Confirm·Recover), 9개 실패 유형, 그리고 15개 벤치마크를 6개 행동 축에 매핑하는 감사를 제시했어요

💡 한줄 요약|논문은 6개 제어 상태(Act·Ask·Refuse·Stop·Confirm·Recover), 9개 실패 유형, 그리고 15개 벤치마크를 6개 행동 축에 매핑하는 감사를 제시했어요.

AgentAtlas가 LLM 에이전트 성능을 단일 정확도 대신 다축 지표로 평가해야 한다고 보여줬어요.

논문은 6개 제어 상태(Act·Ask·Refuse·Stop·Confirm·Recover), 9개 실패 유형, 그리고 15개 벤치마크를 6개 행동 축에 매핑하는 감사를 제시했어요. 또 분류 라벨을 프롬프트에 주는 방식과 안 주는 방식을 나눠 측정했거든요.

8개 모델(클로즈드 4·오픈웨이트 4), 1,342개 생성 항목 실험에서 라벨 메뉴를 제거하자 모든 모델의 trajectory 정확도가 14~~40%p 하락했고 0.54~~0.62 구간으로 수렴했어요. 즉, 프롬프트 감독 신호가 성능 착시를 크게 만들 수 있다는 뜻이에요.

이제 에이전트 비교는 1등표보다 통제·진단·도구 문맥 유지를 함께 보는 프로토콜 경쟁으로 넘어가고 있어요.

이 글이 어땠나요?

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요.

잡돌쌤2분 소요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요.

잡돌쌤2분 소요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요.

잡돌쌤2분 소요

관련 글

이 논문은 대회형 수학이나 정형 정리증명 대신, 장기 추론·문헌 근거·반복적 증명 수정이 필요한 연구 문제를 겨냥했어요

기존 SHAP은 컴포넌트 조합을 계속 평가해야 해서, 서드파티 API·불투명 엔드포인트 환경에선 한계가 컸거든요

arXiv 2605.22883은 A-LEMS라는 측정 프레임워크로 EpG(Energy per Successful Goal)를 제안했어요