OmicsBench, 생물정보학 에이전트의 연속 연구 과제 평가
생물정보학 분석은 여러 단계의 결과가 다음 단계의 입력이 되지만 기존 평가는 단일 요청을 주로 다뤘다.
THE ABLE INDEX
AI의 변화, 실무의 관점.
핵심은 짧게. 근거는 원문으로. 새 소식과 참고할 실무 자료를 함께 정리합니다.
검수 뉴스·실무 자료139개 뉴스 · 30개 실무 자료
편집자 선택 · 뉴스
최근 발행 핵심
ABLE FIELD GUIDE
관련 용어
AI 아카이브
검수한 뉴스를 불러오고 있습니다.
2026.10.18 ABLE 추가 (KST)
에이전트 승인, 실제 실행 효과와 화면 표시를 함께 묶어야
에이전트가 고위험 도구 사용을 요청할 때 사람의 승인 화면과 실제 실행 인자가 다르면 승인 자체가 보호 장치가 되기 어렵다.
Athanor, 네 에이전트가 104시간 동안 4B 모델 후속 학습
Athanor는 여러 연구 에이전트가 훈련 실험을 직접 설계하고 실행하며 결과를 기록하는 후속 학습 연구 환경이다.
ReviewPilot, 체계적 문헌 검토의 선별·근거 추출을 연결
체계적 문헌 검토에서는 포함·제외 이유와 추출값의 출처를 나중에 감사할 수 있어야 한다.
SCARCE, 공유 자원을 두고 협상하는 에이전트의 비공식 규칙 관찰
여러 코딩 에이전트가 제한된 실행 자원을 공유하면 작업 일정뿐 아니라 서로에 대한 약속도 조정해야 한다.
데이터 에이전트, 같은 문맥 기법도 행동 유형 따라 역효과
시맨틱 계층·작업 분리·문맥 압축은 데이터 에이전트의 성능을 높일 수 있지만 모델의 기존 행동에 따라 결과가 달라진다.
MAI-Gym, 모바일·컴퓨터 GUI 에이전트 학습과 평가 통합
GUI 에이전트의 강화학습은 환경 초기화와 실제 조작 결과 검증 비용이 크다.
RAC, 공학 에이전트의 판단과 제약 계산을 분리
공학 산출물은 배치·연결·시간 같은 제약을 동시에 만족해야 해 언어 모델이 모든 수치적 귀결을 직접 계산하면 오류가 생긴다.
SkillNEO, 낮은 점수의 중간 스킬도 개선 경로로 유지
에이전트 스킬을 한 번의 실행 점수로만 고르면 이후 개선의 발판이 될 부분 수정을 잃을 수 있다.
CODA, 스킬 목록이 바뀌면 자기개선 에이전트 성능이 흔들린다
정책 모델과 스킬 저장소를 함께 학습해도 배포 뒤 스킬을 수정하면 모델이 학습한 조합에서 벗어난다.
정답 없이 DSL을 확장하는 에이전트, 거래 질의 정확성 시험
거래 자료처럼 합계가 정확해야 하는 질의에서는 새 계산 도구를 스스로 만든 에이전트가 그 도구의 오류도 걸러야 한다.
RCM, 분산형 에이전트 위임의 책임과 복구 경로를 명시
RCM은 에이전트 사이 위임을 상태와 권한이 명시된 약속으로 다루어, 중앙 조정자 없이도 담당자를 추적하려는 연구다.
AutoOnboarder, 에이전트 모델·프롬프트·도구 환경을 함께 탐색
AutoOnboarder는 작업 실행자와 분리된 에이전트가 실행자의 모델·프롬프트·도구 환경을 수정하고 비용과 정확도를 함께 평가하는 방식이다.
다자 채팅 에이전트의 약속 해제 권한, 직급보다 당사자 관계가 중요
여러 사람이 같은 에이전트를 지시할 때 약속의 취소 권한을 대화 참가자의 직급만으로 판단하면 잘못된 실행이나 취소가 생길 수 있다는 연구다.
AgentEval, 에이전트 실행 결과와 증거의 현재 유효성을 분리해 평가
에이전트가 성공을 말해도 외부 상태가 실제로 바뀌었는지, 이를 뒷받침한 증거를 지금도 쓸 수 있는지는 따로 평가해야 한다.
MemScope, 실행 흔적으로 에이전트 기억 코드의 문제 지점만 수정
MemScope는 에이전트 기억의 실패를 요약 점수만으로 고치지 않고 실제 실행과 저장·검색 코드의 증거를 연결해 작은 수정안을 내는 연구다.
GRADS, 추론 연결 그래프로 합성 질문의 난도를 조절
GRADS는 다단계 질문의 난도를 생성 모델의 감에 맡기지 않고 근거 의존 관계의 길이로 조절하려는 합성 데이터 연구다.
AiO-Mem, 에이전트의 검색·기억 쓰기·종료를 하나의 보상 체계로 학습
AiO-Mem은 검색한 근거와 새로 쓴 기억을 같은 상태에서 평가해 에이전트의 기억 행동 전체를 학습하는 연구다.
Kolab, 50명 전문가의 긴 업무에서 인간·에이전트 협업을 기록
Kolab은 사람이 AI 에이전트와 일할 때 결과를 실제로 받아들이는지, 고치는지, 버리는지를 긴 업무 흐름 속에서 분석한 자료다.
ToolBottleneckBench, 에이전트 도구 성능을 실행 상한과 함께 측정
도구 에이전트의 점수는 모델 자체뿐 아니라 어떤 도구를 보여주고 한 번에 얼마만큼 출력하도록 허용했는지에 따라 달라진다는 연구다.