AI 에이전트 하네스 고도화 및 시각적 잠재 공간 활용 논문 모음

2026년 10월 5일부터 11일까지의 주간 AI/ML 논문 모음으로, LLM 수정 대신 에이전트 하네스(Harness) 고도화와 외부 정답 없는 자기 개선, 텍스트 병목을 탈피한 시각적 잠재 공간(Latent Space) 활용이 주요 트렌드로 부상했다.

에이전트 하네스 및 검증 강화

ScholarEvolve는 최신 학술 논문을 학습해 에이전트 하네스 기능 모듈을 평생 진화시키는 프레임워크로, AppWorld Challenge에서 Qwen3.5-27B의 작업 목표 달성률을 49.6%에서 63.6%로 개선했다. VeriHarness는 장기 지평선 작업에서 여러 결과물 간 불일치를 환경 증거와 교차 검증하여 오류를 스스로 검증하는 시스템으로, Gemini 3.5 Flash와 Claude Opus 4.8에서 단일 롤아웃 대비 평균 6.2점과 6.4점의 성능 향상을 보였다. 또한 Mixture of Self-Improving Branches는 단일 탐색 경로의 지역 최적점 방지 기법으로 Olympiad-level mathematical reasoning에서 34.8%의 상대적 개선을 달성했다.

효율적 추론 및 실무 적용

추천 시스템용 LIME 아키텍처는 저랭크 링크 임베딩과 선형 어텐션(LIME-XOR)을 통해 시퀀스 길이 복잡도를 O(N^2)에서 O(N)으로 감소시켜, 대규모 후보 세트에서 추론 속도를 10배 향상시켰다. 구글의 FlowAgent는 CI 시스템 내 테스트 실패를 자동 진단 및 수리 제안하는 저지연 에이전트로, Google 전사 배포 후 295,508개 변경사항 중 28,554개의 수리를 적용했다.

안전 정렬 및 자기 인식 연구

SIGMA는 모델이 스스로 정렬 딜레마 상황을 생성하고 자체 판단으로 안전성을 강화하는 파이프라인으로, AgentHarm 해로움을 22.6에서 14.8로 감소시켰다. VHOP은 시각적 에이전트가 중간 텍스트 쿼리 없이 시각적 잠재 공간에서 직접 다단계 검색을 수행하도록 하여 검색 성능을 5% 미만에서 76.3%로 끌어올렸다. 마지막으로, 채팅 템플릿이 LLM의 자기 참조 목소리를 조절하는 스위치 역할을 함을 규명한 연구는 모델의 자기 묘사가 가중치뿐 아니라 템플릿에 의해 부분적으로 설정됨을 시사하며 AI 안전성 연구의 혼란 변수로 지목했다.