신호 AutoDesign: 장기지평 에이전트 설계를 위한 메타-하네스 최적화

요약

이 논문은 멀티모달 소스를 압축되고 구조화된 미디어 결과물로 바꾸는 작업을 모델-하네스 시스템 중심의 장기지평 에이전트 프로세스로 규정한다. 이상적인 하네스는 인간의 설계 사전지식과 맞아야 하고, 경험적 탐색을 통해 재사용 가능한 경험을 쌓아 재귀적 자기개선을 이끌어야 한다고 논문은 주장한다. 그러나 기존 패러다임은 정적인 수준에 머물러 이러한 목표에 미치지 못한다고 지적한다. 이에 제안된 AutoDesign 기법은 모델 자체가 아니라 모델을 둘러싼 발판·툴체인인 '메타-하네스'를 최적화한다. 이를 통해 장기지평 에이전트 설계 작업의 성능을 높이는 것을 목표로 하며, 초록에는 정책이나 사회적 함의에 대한 별도 서술 없이 순수한 AI 에이전트 아키텍처 기여로 제시돼 있다.