|잡돌쌤•2026-05-15•2분 소요

기존엔 오프라인 데모나 배포 후 로그로 메모리를 쌓았지만, 새 환경에선 콜드스타트가 생기거든요

💡 한줄 요약|기존엔 오프라인 데모나 배포 후 로그로 메모리를 쌓았지만, 새 환경에선 콜드스타트가 생기거든요.

PREPING은 실제 업무 과제를 보기 전에도 에이전트 메모리를 미리 만들 수 있다는 걸 보여준 연구예요.

기존엔 오프라인 데모나 배포 후 로그로 메모리를 쌓았지만, 새 환경에선 콜드스타트가 생기거든요. 이 논문은 Proposer-Solver-Validator 루프로 합성 연습을 만들고, 저장할 궤적만 선별해 절차 메모리를 구축해요.

결과도 명확해요. AppWorld, BFCL v3, MCP-Universe에서 no-memory 대비 성능이 크게 올랐고, 온라인 메모리 구축 대비 배포 비용은 AppWorld 2.99배, BFCL v3 2.23배 낮았어요. 핵심은 연습량보다 제안 단계의 제어와 선택적 메모리 업데이트라는 점이에요.

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