HybridAgent, 토큰 54.7% 절감하며 성능 10.4% 향상

• HybridAgent가 텍스트와 잠재 추론을 결합해 11개 벤치마크에서 성능 10.4% 향상, 토큰 사용량 35.5~54.7% 감소, 추론 속도 1.8~2.6배 향상을 기록했다.
• Raw-RAG가 복잡한 에이전트 메모리 시스템보다 원본 대화 기록 검색이 더 효과적임을 입증하며, 7개 조합 중 6개에서 1위를 차지했다.
• DiscoveryRSI가 다중 에이전트 진화 탐색을 통해 가설 품질을 4.86에서 5.39로, 거짓 가능성을 4.00에서 6.20으로 개선했다.
• LoGRA가 저랭크 그래디언트 스케치를 활용해 LLM 강화학습 시 평균 학습 메모리를 45.7% 절감했다.

주요 연구 동향

• 자기진화 에이전트는 집계 성능을 개선하지만 높은 가소성이 안정성 저하를 수반하며, 현재는 불완전한 지속 학습자로 평가된다.
• VideoABC 프레임워크는 비매개변수적 속성 기반 측정을 통해 LLM-as-judge 대비 낮은 캘리브레이션 에러와 약 8배 빠른 속도를 달성했다.
• Harness Scaling은 다양한 실행 구성 공간에서 강화학습을 수행해 미지 환경 적응력을 높이는 새로운 스케일링 차원을 제시했다.