AI 연구연구 프리프린트
분산 에이전트의 자연어 스킬, 문서 대신 변경 조각으로 합치다
원문 읽기 · arxiv.org ↗(새 탭에서 열림)여러 데이터 보유자의 AI 에이전트가 실행 이력을 중앙에 모으지 않고 자연어 스킬을 공동 개선하는 FedSkillGit이 제안됐다. 문서 전체를 되풀이 전송하는 대신 규칙 단위 수정과 경험 요약을 공유하고, 각 참여자의 검증 결과로 새 버전 채택을 결정한다.
연구 방법
- 클라이언트는 실행 이력에서 제한된 규칙 패치를 만들고 두 단계 필터로 민감 정보를 검사한 뒤 서버에 보낸다. 서버는 패치 중복을 제거하고 공동 경험 문서를 갱신해 후보 스킬을 합친다. 후보는 각자의 보류 검증 집합에서 점수가 개선될 때만 채택된다. 원자료·실행 궤적 자체는 공유하지 않는다.
평가 결과
- SearchQA·LiveMath·DocVQA와 세 모델 계열의 10클라이언트·참여율 30% 설정에서 독립 스킬 진화보다 9개 측정 모두 1.6~10.1%포인트 높은 작업 성공률을 보고했다. GPT-5.4-mini의 DocVQA는 독립 방식 82.8% 대비 88.5%였다. 중앙집중 방식과의 격차는 실험에 따라 달랐다.
적용 조건
- 한 개 공통 스킬 문서만 갱신하므로 서로 다른 고객의 개인화에 한계가 있다. 필터는 전송 내용만 검사하며 채택된 수정의 연속 관찰을 통한 추론을 막는 정식 개인정보 보장은 없다. 서버는 필터링된 수정 조각을 볼 수 있고, 공동 검증에는 각 참여자의 평가 집합이 필요하다.
함께 확인할 조건
- 한 개 공통 스킬 문서만 갱신하므로 서로 다른 고객의 개인화에 한계가 있다. 필터는 전송 내용만 검사하며 채택된 수정의 연속 관찰을 통한 추론을 막는 정식 개인정보 보장은 없다. 서버는 필터링된 수정 조각을 볼 수 있고, 공동 검증에는 각 참여자의 평가 집합이 필요하다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.