AI 에이전트연구 프리프린트
Mosaic, 여러 세션을 거치는 검색 에이전트 학습 방식 비교
원문 읽기 · arxiv.org ↗(새 탭에서 열림)Mosaic은 맥락 압축이나 하위 에이전트 호출로 실행이 여러 세션으로 나뉠 때, 최종 보상을 모든 세션에 똑같이 주지 않고 세션 사용량과 기여에 따라 나누는 강화학습 방식이다.
문제와 방법
- 맥락 압축·하위 에이전트 분기로 여러 세션이 생길 때 최종 보상을 전 세션에 일괄 배분하지 않는다.
- 세션 수와 추정 기여를 보상에 반영해 세션 사용을 조정한다.
비교 결과
- BrowseComp 압축 설정에서 정확도는 35.31%에서 38.86%, 평균 세션 수는 3.17개에서 2.35개로 변했다.
- 하위 에이전트 설정은 31.44%에서 32.46%로 개선됐다.
한계
- 한 기초 모델과 검색 벤치마크에 한정되며 일반 업무의 세션 비용과 품질은 미검증이다.
함께 확인할 조건
- Qwen3.5-4B와 BrowseComp의 연구 설정 결과다.
- 하위 에이전트 설정의 개선은 1.02%포인트로 압축 설정보다 작다.
이 글의 용어
기사에서 다루는 개념을 검수된 용어집에서 살펴보세요.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.18 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.