핵심은 LLM만 쓰던 단일 구조를 버리고, 의미 추론은 확률적 LLM 노드가 맡고 규칙형 작업은 결정론적 코드 노드로 분리한 하이브리드 설계예요

HyEvo가 에이전트 워크플로를 스스로 진화시키면서, 추론 비용 최대 19배·실행 지연 최대 16배를 줄였어요.

핵심은 LLM만 쓰던 단일 구조를 버리고, 의미 추론은 확률적 LLM 노드가 맡고 규칙형 작업은 결정론적 코드 노드로 분리한 하이브리드 설계예요. 예측 가능한 연산을 LLM 밖으로 빼서 비효율을 줄인 거예요.

탐색 방식도 흥미로워요. HyEvo는 LLM 기반 멀티 아일랜드 진화 전략과 reflect-then-generate 루프를 써서, 실행 피드백으로 워크플로 토폴로지와 노드 로직을 반복 개선해요. 다양한 추론·코딩 벤치마크에서 기존 방법을 일관되게 앞섰다고 밝혔어요.

이제 에이전트 성능 경쟁은 “더 큰 모델”보다 “LLM+코드 혼합 오케스트레이션” 설계력이 승부를 가를 가능성이 커졌어요.