
AlphaDiana: 답을 넘어 과정을 재는 에이전트 측정 시스템
도구를 쥐여줘도 점수가 오르지 않는 이유를 실행 과정과 자원 기록까지 묶어 설명하는 측정 시스템 AlphaDiana를 해설합니다.


도구를 쥐여줘도 점수가 오르지 않는 이유를 실행 과정과 자원 기록까지 묶어 설명하는 측정 시스템 AlphaDiana를 해설합니다.

포화된 벤치마크의 풀이 기록에서 남은 신호를 읽어내는 Transcript 분석 방법과 pairwise judging의 효과를 해설합니다.

멈춘 시험에서는 강했던 에이전트가 왜 흐르는 시간에서는 무너지는지, RealtimeBench와 TORSI가 보여준 추론 지연의 대가와 느린 복기를 빠른 실행으로 옮기는 가르침을 따라갑니다.

궤적이 끝난 뒤 점수를 매기는 대신 매 스텝에서 계속할지 물을지 멈출지를 고르는 가드레일 StepSafe를 단계 정렬 학습과 개입 창, 자기 증류, 다섯 개 벤치마크 결과 중심으로 읽는다.

말로 설득하는 추론과 정확히 계산하는 기호 엔진을 함께 쓰는 IneqAgent를 해설합니다. 보조정리 단위 탐색이 목표를 나누고 도구를 고르는 과정, 세 가지 증명 엔진의 분업, Lean 검증으로 이어지는 흐름과 186문제 중 175문제라는 결과를 따라갑니다.

모든 디노이징 스텝에 SMC 가이던스를 거는 대신 예산 안에서 고른 타이밍에만 개입하는 VISTA의 발상과 그 대가를 해설합니다.

367,174개 MCP 도구 분석과 요인별 통제 실험으로 이름, 설명, 스키마 중 무엇이 LLM의 도구 선택을 움직이는지 풀어낸 연구 해설

Flow matching 모델에서 추론 시점에 제약과 보상을 함께 다루기 위해 샘플링을 최적 제어 문제로 다시 쓴 ConicFlow를 해설합니다.

같은 프롬프트로도 서로 다른 이미지를 뽑아내는 pullback 방향 기반의 training-free 다양한 샘플링 방법을 해설합니다.

텐서 병렬 all-reduce를 4비트로 보내면서 합산은 고정밀로 하고 양자화 오차를 다음 호출에 되돌려주는 Echo의 설계와 A100 측정, 추론과 학습 결과를 따라갑니다.

모델을 넘어 실행 하네스를 재귀로 다듬는 Harness^2의 두 층 구조와 정답지 없는 환경에서의 개선 방식을 따라가 봅니다.

클라우드 대형 모델이 짠 프로그램을 기기 안 작은 모델이 해석하는 구조가 데이터를 밖에 내놓지 않고도 에이전트 성공률을 끌어올린다는 arXiv 연구를 해설합니다.