AI 연구연구 프리프린트
실패를 고친 에이전트가 새 과제에는 일반화하지 못한 이유
원문 읽기 · arxiv.org ↗(새 탭에서 열림)실패를 반복해서 고치는 일과 처음 보는 과제를 더 잘 푸는 일은 별개임을 검증한 연구다.
배경과 방법
- 연구진은 기반 모델을 고정한 채 기억·기술·실행 하네스만 갱신했다. 빈 상태에서 시작해 실패한 궤적만 반영하고 성공 기록과 검증기 판정·보상·정답은 학습자에게 숨겼다.
실험 근거
- 세 진화 방식과 10개 모델을 ALFWorld·τ²-Bench-Verified·WebArena-Verified·WebShop에서 비교했다. 원래 실패한 과제의 일부 재시도는 성공했지만 별도 보류 과제의 성공률은 지속적으로 높아지지 않았다. ALFWorld 800과제 확장에서도 이 차이가 남았다.
적용 조건
- 오류 원인을 잘못 해석하거나 정확한 실패 경험도 새 과제에 전이하지 못하는 경우가 있었다. 성공 궤적은 더 강한 전이를 제공했다. 고정 모델의 실패만 학습하는 조건이므로 검증 보상으로 가중치를 학습하는 코딩 에이전트 연구와 같은 현상으로 취급하면 안 된다.
함께 확인할 조건
- 고정된 기반 모델과 실패만 학습하는 특수 조건, 네 벤치마크와 유한한 진화 단계의 결과다. 현장 다중 에이전트·멀티모달·무기한 학습은 평가하지 않은 비심사 프리프린트다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.