AI 연구연구 프리프린트
에이전트의 실패 구간만 고쳐 가르치니 추론 성적이 올랐다
원문 읽기 · arxiv.org ↗(새 탭에서 열림)LoCD는 에이전트가 스스로 만든 실행 과정에서 고쳐야 할 구간을 찾아, 교사가 그 부분만 다시 생성하고 학생 모델에 증류한다.
연구 방법
- 전체 교사 궤적을 따라 배우면 학생이 실제로 방문하지 않는 상태를 보게 되고, 학생 궤적만 쓰면 아직 모르는 행동을 배울 기회가 적다. LoCD는 실패와 피드백에서 결정적인 연속 구간을 찾고 이전 부분은 학생 궤적 그대로 둔 채 교사가 해당 구간만 새로 만들어 학습한다. 다음 회차에는 갱신된 학생으로 새 경험을 수집한다.
평가 결과
- Qwen3-8B의 수학 문제 여덟 평가 단순 평균은 LoCD 48.04, 가장 높은 비교법 OPCD 42.39였다. 쇼핑 에이전트 WebShop 전체 성공률은 52.40%로 비교법 Hint-SD 46.80%를 넘었고 ALFWorld 새 환경 전체도 33.08%로 ROSD 25.62%보다 높았다. 학습 기반 방법은 세 독립 반복의 평균과 편차를 제시했다.
적용 조건
- 여러 제한된 수학·코드·대화형 벤치마크와 훈련 절차의 결과이며 배포 중 자율 업데이트의 장기 안전성이나 일반 과제 이득을 증명하지 않는다. 중요한 실패 구간을 찾는 별도 귀속 단계와 교사 생성 비용이 든다. 점수는 과제별 평가 계약과 모델 크기에 묶인다.
함께 확인할 조건
- 여러 제한된 수학·코드·대화형 벤치마크와 훈련 절차의 결과이며 배포 중 자율 업데이트의 장기 안전성이나 일반 과제 이득을 증명하지 않는다. 중요한 실패 구간을 찾는 별도 귀속 단계와 교사 생성 비용이 든다. 점수는 과제별 평가 계약과 모델 크기에 묶인다.
출처와 편집 기준
arxiv.org · 연구 프리프린트 · 검수 2026.10.19 (KST)
요약은 원문의 핵심을 정리했으며, 커머스 인사이트는 편집 해석이다.