기존에는 두 가지 방법이 따로 쓰였거든요

AI 에이전트가 과거 경험을 꺼내 쓰면서 새로운 작업도 잘 해낼 수 있다는 연구가 나왔어요.

기존에는 두 가지 방법이 따로 쓰였거든요. 하나는 파인튜닝(모델을 직접 학습시키는 것), 다른 하나는 과거 경험을 검색해서 참고하는 방식이에요. 그런데 파인튜닝은 새로운 과제에 잘 적응 못하고, 경험 검색은 학습 기반 모델보다 성능이 낮은 문제가 있었어요.

이번 연구는 두 방법을 합쳤어요. LoRA 기반 파인튜닝 레시피를 먼저 잡고, 경험을 어떻게 저장하고 꺼낼지 최적 전략을 분석한 뒤, 파인튜닝 과정 자체에 경험 검색을 통합했거든요. 결과적으로 한 번도 본 적 없는 과제에서의 일반화 성능이 크게 올라갔어요.

"경험에서 배우는 법을 배우는" 에이전트를 만들겠다는 방향인데, AI가 단순 실행자를 넘어 스스로 적응하는 방식으로 진화하고 있다는 걸 보여주는 연구예요.