SJTU 등 21명, LLM 에이전트 외부화 통합 리뷰 논문 공개

LLM 에이전트의 외부화(Externalization)에 대한 리뷰 논문 (1/2): 가중치에서 하네스로, 메모리와 스킬

·2026.10.20 16:30

핵심 내용

LLM 에이전트 능력 향상이 가중치 수정이 아닌 메모리와 스킬 등 외부화에서 비롯된다고 분석했다.

1 / 7

자세히 보기

  • LLM 에이전트 발전이 모델 가중치 수정이 아닌 인지 부담을 메모리, 스킬, 프로토콜, 하네스로 옮기는 '외부화'로 설명 가능함을 주장함
  • Donald Norman의 인지적 인공물 이론을 기반으로 외부 도구가 과제 형태 자체를 바꾼다는 '표상 전환' 개념을 제시함
  • 메모리는 시간적 상태(회상→재인), 스킬은 절차적 전문성(즉흥 생성→검증된 조합), 프로토콜은 상호작용 구조(임기응변→구조화 계약)로 분류함
  • 하네스는 네 번째 외부화 유형이 아니라 위 세 가지가 동작하는 실행 환경 및 엔지니어링 계층으로 정의함

외부화 유형별 역할

  • 메모리: 유한한 컨텍스트 창과 세션 간 기억 부재 문제를 해결하는 시간적 상태 관리
  • 스킬: 긴 다단계 절차의 일관성 부족(편차) 문제를 해결하는 검증된 구성 요소 조합
  • 프로토콜: 외부 도구 및 에이전트 상호작용의 불안정성을 해결하는 구조화된 계약

스킬 외부화 단계 및 안전성

  • 명세, 탐색, 점진적 공개, 실행 바인딩, 조합의 5단계로 구성되며, 점진적 공개 시 Level 1은 약 100 토큰, Level 2는 5k 토큰 미만 사용
  • 31,132개 스킬 중 26.1%에서 프롬프트 인젝션 등 취약점이 발견되었으며, 실행 스크립트 포함 스킬은 취약점 확률이 2.12배 높음
  • SkillsBench 기준 큐레이션 스킬 적용 시 평균 통과율이 33.9%에서 50.5%로 향상됨

이 한국어 요약은 AI가 자동으로 만들었습니다. 원문의 주장과 맥락은 원문에서 확인해 주세요. 저작권은 원저작자에게 있습니다.

AI 처리 방식을 확인하거나, 요약 오류와 출처 표기 문제, 삭제 요청을 문의 · 건의로 알려주세요.