
묻는 것도 실력이다, CLEAT가 가르쳐준 질문의 가치
언제 질문하고 언제 진행할지를 학습으로 알아내는 에이전트 정렬 방법 CLEAT를 구조와 실험으로 풀어봅니다.
AI 기술, 연구, 제품, 그리고 그 곁에서 일하는 사람들의 이야기
기술과 제품을 설계하고 검증하는 과정, 주목할 논문과 AI 동향에 대한 해설, Patty의 새로운 시도와 일하는 문화까지 깊이 있게 전합니다.

언제 질문하고 언제 진행할지를 학습으로 알아내는 에이전트 정렬 방법 CLEAT를 구조와 실험으로 풀어봅니다.

테스트 통과라는 이분법 보상을 넘어 디버깅 과정 자체를 비교해 배우는 Behavioral Self-Rewarding 접근을 읽고, 왜 같은 결과에서도 배울 거리가 남는지 정리했습니다.

설명이 모델을 얼마나 닮았는지를 재는 충실함 지표가 왜 흔들리는지, 특성 중요도의 단순화와 10년의 신뢰 연구, 디버깅 도구로서의 현실을 따라 읽는다.

Slay the Spire를 처음부터 끝까지 플레이하게 만든 SpireBench를 통해 장기 전략, 위험 판단, 전투 실행력에서 에이전트 모델이 어디까지 왔고 어디서 무너지는지 살펴봅니다.

MCTS와 랜덤 재시작 리스트 스케줄링을 동일한 평가 횟수로 붙인 통제 실험을 해설합니다. 2048회 평가에서 2.88퍼센트 차이의 의미와 탐색 규칙의 함정을 풀어봅니다.

LLM이 직접 제어 코드를 제안하고 고치고 섞으면서 엘리트 테이블에 쌓아 올리는 EliteTable의 프로그램 탐색 방식을 해설합니다. 여섯 개 제어 과제에서 본 개선과 일반화의 갈림길을 함께 읽어봅니다.

데이터를 모으지 않고 순위를 함께 배우는 DeFiRank가 실제 거래 기록에서 진짜 기여를 가려내는 방식을 읽는다.

수백만 쌍 없이 100쌍에서 500쌍의 앵커와 짝 없는 데이터로 따로 학습된 인코더를 맞추는 증류된 최적 수송 방식을 해설합니다

학습자의 실패가 다음 합성 방향을 구체적으로 정해주지 않는 간극에서 출발해, 생성 가능한 상호작용 요인과 합성 노력 배분을 고쳐 쓰는 상태 중심으로 데이터를 진화시키는 EvoSyn의 구조와 실험 결과를 읽는다.