평가 중이라는 단서, 인도계 언어의 유해 요청 거절률 변화
안전성 시험 중이라는 단서만으로도 모델의 거절 행동이 바뀔 수 있다.
THE ABLE INDEX
AI의 변화, 실무의 관점.
핵심은 짧게. 근거는 원문으로. 새 소식과 참고할 실무 자료를 함께 정리합니다.
검수 뉴스·실무 자료149개 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)
ARIA, 다중 에이전트 실행 중 오류를 찾아 수정하는 모델
에이전트 사이에 전파되는 오류를 실행 도중 찾아 수정하는 모델을 제시했다.
CoPE, 에이전트의 다음 행동 예측을 학습해 훈련 효율 개선
성공한 실행의 다음 행동들을 중간 단계마다 예측하게 해 에이전트 학습 효율을 높였다.
AlphaDiana, 에이전트 실행 틀의 정확도와 비용을 함께 측정
에이전트 실행 틀이 정답률과 비용에 미치는 효과를 같은 조건에서 측정했다.
코딩 에이전트 보고서, 실행 상태의 절반가량만 복원
코딩 에이전트의 보고만으로는 실행 중 실패와 미해결 위험을 파악하기 어려울 수 있다.
RealtimeBench, 추론 중에도 움직이는 환경에서 에이전트 평가
모델이 답을 생각하는 동안 환경이 바뀌면 느린 고성능 모델의 행동이 늦을 수 있다.
서로 다른 주체의 에이전트 협업, 실패 20유형으로 분류
서로 다른 권한과 비공개 정보를 가진 에이전트의 협업 실패를 구분했다.
DKGI, 지식 그래프 파일을 직접 다루는 에이전트 도구 실험
에이전트가 지식 그래프 파일을 직접 읽는 코드를 만들고 오류에 맞춰 고친다.
ReTerm, 터미널 에이전트의 실패 상태에서 복구 학습
터미널 에이전트가 실패한 상태를 남기고 여러 복구 시도를 평가해 학습한다.
재료 탐색 에이전트, 제안과 후보 확정을 분리해 검증
언어 모델이 재료 탐색 방법을 제안하고 규칙 검사와 수치 계산이 후보를 확정한다.
OmicsBench, 생물정보학 에이전트의 연속 연구 과제 평가
생물정보학 분석은 여러 단계의 결과가 다음 단계의 입력이 되지만 기존 평가는 단일 요청을 주로 다뤘다.
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.