274 개 뉴스
SearchOS는 검색 진행 상황을 놓치는 문제를, Frontier Task, Evidence Graph, Coverage Map, Failure Memory라는 네 가지 구조로 상태를 외부화함으로써 해결하는 멀티에이전트 프레임워크입니다. 여기에 pipeline-parallel scheduling과 도구 예산을 감시하는 Search Tool Middleware Harness가 더해집니다. WideSearch와 GISA 벤치마크에서 테스트된 모든 싱글·멀티에이전트 베이스라인 시스템을 모든 지표에서 능가합니다.
Plover는 계획 중심의 GUI 자동화 시스템으로, 작업 계획과 재계획을 에이전트의 숨겨진 내부 상태가 아니라 영속적이고 점검 가능한 산출물로 외부화합니다. Planner-executor 아키텍처는 실행에 대한 감독을 가능하게 하며, 편집 가능한 계획을 통한 국소적 수정을 지원합니다. 참가자 6명을 대상으로 한 형성적 연구가 상호작용 설계에 반영되었습니다.
TopoAgent는 자기진화형 위상 에이전트로, MLLM 에이전트의 선형 계획을 동적이고 상태가 분리된 그래프 진화 접근법으로 대체하여 긴 맥락에서의 시각-의미 불일치와 환각 문제를 해결합니다. 프런트엔드 분해기가 adaptive atomic fission을 이용해 원자들의 유향 비순환 그래프(Directed Acyclic Graph)를 구축하며, 수학·물리·화학에서 SOTA 선형 에이전트 프레임워크를 크게 능가합니다.
Amazon Quick는 리드 스코어링, 아웃리치, 통화 분석, CRM 업데이트를 자동화하는 영업팀용 에이전틱 AI 어시스턴트입니다. 영업사원이 실제 영업에 쓰는 시간이 40%에 불과하다는 문제를 해결하며, 초기 도입 기업으로는 3M, AWS Global Sales, 아마존 내부 조직이 있습니다.
MCPEvol-Bench는 123개의 MCP 서버에 11개의 변이 연산자를 시뮬레이션해 변화하는 도구 인터페이스에 대한 AI 에이전트의 적응력을 테스트하는 새로운 벤치마크입니다. GPT-5.4는 진화된 서버에서 성능이 13.7% 저하되었고, Claude-Sonnet-4-6은 더 큰 14.4% 저하를 보였으며, 테스트된 12개 프론티어 모델에서 계획 및 추론 오류가 증가했습니다.
Smartsheet가 AWS Fargate 위에 Bedrock, Kinesis, Flink, Neptune 지식 그래프를 결합한 원격 MCP 서버를 구축해 AI 에이전트에게 구조화된 데이터 접근을 제공했습니다. 자체 직렬화 형식으로 토큰을 35-47% 줄였고, 사용자 수는 첫 4주간 주간 87% 증가했습니다.
GitHub이 같은 날 두 개의 변경 로그를 발표했습니다. Copilot 코드 리뷰는 이제 방화벽 규칙, 커스텀 설정 단계, 독립 러너를 지원하며, GitHub Mobile은 댓글에서 바로 클라우드 에이전트를 실행해 수정하는 'Fix with Copilot' 버튼을 얻었습니다.
Zhe Ren, Yimeng Chen 및 공동 연구자들(Jürgen Schmidhuber 포함)이 97페이지의 연구를 발표했습니다. 자기 개선 AI 에이전트를 『인간의 입력 없이 경험을 흡수하는 업데이트 연산자』로 공식화하며, 업데이트 목표, 구동 신호, 평가를 다루고 프로토타입에서 프로덕션 시스템으로의 전환을 포함합니다.
Hefeng Zhou, Jinxuan Zhang, Jiong Lou 및 공동 저자들이 Deep Interaction을 발표했습니다—사용자가 질문을 다시 하는 대신 추론 체인을 직접 편집할 수 있는 LLM 상호 작용 방법. STEM 과제에서 기준선 대비 교정 성공률 +25%, 토큰 사용량 40% 절약을 달성합니다.
Junjie Yin과 Xinyu Feng의 E3 프레임워크(추정·실행·확장)는 실행 전에 태스크 복잡도를 추정합니다. MSE-Bench 벤치마크에서 기준선과 동일한 성공률을 달성하면서 비용을 85%, 토큰 소비를 91%, 검토 파일 수를 92% 절감했습니다.
Wang Yubo 외 8인은 프로그램 의존성 그래프 분석을 활용한 함수 인식 FIM 중간 훈련 방법을 도입했습니다. SWE-Bench-Lite에서 Qwen2.5-Coder와 Qwen3-8B 모델에 +3.7~+5.4점 향상을 달성했으며, 훈련 코퍼스는 968개 GitHub 저장소에서 26억 토큰을 사용합니다.
PM-Bench는 LLM 에이전트의 전망적 기억——미래의 트리거에서 의도한 작업을 수행하는 능력——을 측정하는 새로운 평가 플랫폼입니다. 저자 Genglin Liu와 Saadia Gabriel은 인지 심리학에서 영감을 받아 이 벤치마크를 설계했으며, 결과는 심각한 격차를 보여줍니다. 테스트한 8개 모델 중 최고 성능인 GPT-5.4조차 F1이 65.1%에 불과합니다.
SCALECUA는 칭화대학교/THUDM 연구자들이 제안한 새로운 프레임워크로, 온라인 강화학습을 통해 컴퓨터 사용 에이전트를 확장하여 OSWorld 벤치마크에서 새로운 SOTA 68.7%, ScienceBoard에서 54.0%를 달성했습니다.
터미널 에이전트는 터미널 또는 셸 명령으로 작업을 해결하는 AI 에이전트입니다. SETA(선 등, 옥스퍼드대학교, KAUST)는 터미널 에이전트 훈련을 위해 4,500개 이상의 검증 가능한 강화학습 환경을 생성합니다. DeepSeek-V4-Flash는 Terminal-Bench 2.0에서 pass@1을 40%→43%, pass@5를 54%→58%로 개선했습니다.
멀티 에이전트 오케스트레이션은 여러 전문 AI 에이전트가 공동 작업을 수행하는 조정입니다. Thrad.ai는 Amazon Bedrock과 Strands Agents SDK를 사용하여 6개 소스를 통해 B2B 고객을 탐색하는 시스템을 구현했습니다. Swarm 패턴은 이메일 품질 8.2/10을 달성하고, Graph 패턴은 비용 25% 절감, 속도 28% 향상입니다.
Allen Institute for AI는 Claude Opus 4.6으로 구동되어 70개국 이상에 서비스를 제공하는 해양 에이전트 Shippy의 아키텍처에 대한 상세한 분석을 발표했습니다. 핵심 결론은 에이전트의 신뢰성이 모델의 강력함보다 결정론적 도구, 격리된 인프라, 실제 워크플로우 기반 평가에 더 많이 의존한다는 것입니다.
에이전틱 LLM 시스템을 위한 새로운 아키텍처 프레임워크는 재사용 가능한 4가지 카테고리의 컨텍스트를 보존하면서 일시적인 추론 흔적을 버리는 선택적 영속 메모리를 도입합니다. 결과는 작업 완료 성공률 96%, 호출당 토큰 비용 97배 절감입니다.
CausalDS는 arXiv에서 발표된 벤치마크로, AI 에이전트가 데이터 과학 워크플로 내에서 인과성과 상관성을 구분할 수 있는지를 테스트합니다. 자율 분석 에이전트 평가의 공백을 채웁니다. 표준 테스트는 실행 단계의 정확성을 측정하지만 올바른 인과 추론 능력은 측정하지 못했습니다.
SolarChain-Eval은 arXiv에서 발표된 벤치마크로, 실제 시스템의 물리적 제약을 포함한 분산형 에너지 시장의 경제적 AI 에이전트를 평가합니다. 에이전트의 위험한 행동을 탐지하는 언어 모델 기반 감사 레이어를 포함하며, AI 에이전트를 사이버물리 에너지 인프라와 연결합니다.
OpenWiki Brains는 LangChain의 오픈소스 프레임워크로, AI 에이전트에 능동적 메모리를 부여합니다. 외부 소스에서 컨텍스트를 자동으로 수집해 디스크의 Markdown 파일로 저장합니다. 첫 버전은 Gmail·Notion·Git·Twitter/X·Hacker News·웹 검색 6개 커넥터를 지원하며, 클라우드가 아닌 로컬에서 예약 작업으로 실행됩니다.
이 연구는 대형 언어 모델의 환각을 줄이기 위해 게임 이론을 활용한 멀티 에이전트 프레임워크를 제안합니다. 모델 간 상호작용을 전략적 플레이어들의 게임으로 모델링하며, 균형(equilibrium)이 일관되고 환각이 없는 답변에 대응하도록 설계되어 기존 RLHF 및 RAG와는 다른 접근법을 제시합니다.
Harness Effect는 32명의 저자가 참여한 실증 연구의 발견으로, 오케스트레이션 층의 설계가 AI 에이전트 비용에 미치는 영향이 모델 선택보다 크다는 것을 보여줍니다. 22개 과제와 6개 모델에서 최적화된 오케스트레이션은 과제당 비용을 41%(0.21달러에서 0.12달러로), 토큰을 38%, 실행 시간을 44% 줄이면서 품질은 향상시켰습니다.
IBM Bob은 소프트웨어 개발용 에이전트 플랫폼으로, 새 버전에서 전체 개발 주기를 아우르는 멀티 에이전트 아키텍처, Bobalytics 분석, COBOL 및 PL/I 메인프레임 현대화를 위한 Premium 패키지를 갖추게 됩니다. IBM은 고객 Blue Pearl이 Bob으로 9개월 현대화 프로젝트를 3일 만에 완료했다고 보고합니다.
ChatGPT Work는 OpenAI의 에이전트 업무 방식으로의 큰 도약입니다. ChatGPT는 이제 앱과 파일을 넘나들며 작업을 수행하고 프로젝트를 수 시간 동안 자율적으로 처리해 목표를 완성된 결과물로 만들어냅니다. OpenAI는 이를 가장 야심찬 과제의 파트너로 포지셔닝하며, Anthropic과 GitHub의 에이전트 제품과 직접 경쟁합니다.
연구진이 LLM 에이전트의 은닉 활성화에 경량 프로브를 적용해 첫 번째 상호작용 단계에서 실패 에피소드를 감지하는 시스템을 개발했다. Qwen-2.5-7B에서 토큰 소비를 47.1%, Llama-3.2-3B에서 37.2% 절감하면서 90% 리콜을 보장한다.
Wolf, Wies, Shashua 연구진이 언어 모델의 자기 개선은 반성이 오류를 안정적으로 국소화할 때만 기하급수적 이득을 제공한다는 것을 증명하는 베이즈 이론적 프레임워크를 개발했다. 그렇지 않을 경우 순차적 시도는 병렬 샘플링에 비해 점근적 우위를 제공하지 않는다.
LangChain과 NVIDIA가 공동으로 NemoClaw를 발표했습니다. Nemotron 3 Ultra 모델, LangChain Deep Agents Code 하네스, OpenShell 런타임을 결합한 오픈 블루프린트입니다. 이 조합은 평가당 $4.48의 비용으로 종합 점수 0.86을 달성하며, 다음으로 우수한 경쟁사의 $43.48과 비교됩니다. 완전한 자체 호스팅 데이터 제어 기능도 포함합니다.
Stanford와 UC Berkeley 연구자들이 검증 — 솔루션의 정확성을 평가하는 능력 — 을 LLM의 새로운 스케일링 축으로 식별했으며, 기존 패러다임과 직교합니다. 이 프레임워크는 연속적인 검증 점수를 생성하며 네 개의 벤치마크에서 SOTA를 달성합니다: Terminal-Bench V2(86.5%), SWE-Bench Verified(78.2%), RoboRewardBench(87.4%), MedAgentBench(73.3%).
Google이 Gemini API에 백그라운드 실행, 원격 MCP 통합, 커스텀 함수 호출, 자격증명 갱신 등 네 가지 기능을 추가했습니다. 이를 통해 개발자들은 프로토타입 환경을 벗어나 실제 프로덕션 환경에 에이전트를 배포할 수 있습니다.
LangChain의 Vivek Trivedy는 AI 에이전트를 체계적으로 개선하는 것은 근본적으로 대규모 실행 트레이스 마이닝 문제라고 주장합니다. 권장 순서: 하네스 엔지니어링, 그 다음 파인튜닝, 그 다음 추가 하네스 최적화. 핵심 조언: 데이터 수집 루프를 시작하기 위해 에이전트를 일찍 배포하세요.
Anthropic이 7월 7일 Claude Code v2.1.203을 출시했습니다. 로그인 토큰 만료 경고, 정지된 백그라운드 세션 자동 복구, 약 7MB 바이너리 크기 감소가 포함됩니다. macOS 속도 저하와 서브 에이전트 동작을 방해하는 여러 버그도 수정되었습니다.
연구자들이 불완전한 정보와 미지의 도구를 사용한 실제 조건에서 15개 LLM 에이전트를 테스트하는 평가 프레임워크 AgentGym2를 발표했습니다. GPT-5와 Gemini를 포함한 모든 모델이 크게 부진하여, 현재 기술 상태와 프로덕션 배포 요구 사항 사이의 큰 격차를 드러냈습니다. 논문은 ACL 2026에서 채택되었습니다.
Anthropic은 2026년 7월 3일 Claude Code v2.1.200을 출시했습니다. 모든 인터페이스에서 기본 권한 모드가 Manual로 변경되었고, 명시적 설정 없이는 AskUserQuestion 다이얼로그가 자동으로 진행되지 않습니다. 데몬 탈취 보안 취약점이 패치되었으며, 백그라운드 세션 및 하위 에이전트 속도 제한 처리가 개선되고 tmux 3.4+에서의 렌더링 깜빡임도 해결되었습니다.
ICML 2026에 채택된 논문이 네 가지 수준 — 지각, 상호작용, 추론, 내재화 — 에 걸친 환경 변화 하에서 도구 사용 LLM 에이전트를 체계적으로 테스트한다. 주요 발견: SFT와 RL 훈련 모두 약간의 분포 변화에도 심각한 성능 저하를 보이며, 통제된 벤치마크 정확도가 실제 강건성을 예측하지 못한다. PAFT(교란 증강 파인튜닝)가 완화 방법으로 제안된다.
SEA(Anytime-Valid Certificates를 갖춘 자기 진화 에이전트) 아키텍처는 에이전트가 공식 학습 이론적 보장을 유지하면서 자체 매개변수를 업데이트할 수 있게 한다. 5가지 검증 메커니즘과 감사 가능한 인증서가 각 자기 수정을 실시간으로 승인하거나 차단하며, SWE-bench Verified 테스트에서 강력한 기반 모델 대비 +4~+5 추가 인스턴스 해결 성과를 달성했다.
GitHub이 Copilot 에이전트의 세션 스트리밍 퍼블릭 프리뷰를 시작하며 엔터프라이즈 조직이 모든 Copilot 클라이언트에서 에이전트가 수행하는 프롬프트, 응답, 도구 호출을 직접 확인할 수 있게 됐다.
스탠퍼드 연구자들이 인간의 주석 없이 메모리 구성 및 사용 방법을 자동으로 학습하는 두 개의 최적화 루프를 가진 시스템 AutoMem을 개발했다. 기준선 대비 2~4배 성능 향상을 달성했다.
Anthropic이 Claude Code v2.1.198을 출시했습니다. 주요 변경사항으로는 worktree에서 작업하는 백그라운드 에이전트가 자동으로 커밋·푸시·드래프트 풀 리퀘스트를 생성하고, Claude in Chrome이 GA에 도달했으며, 그래프 디자인을 위한 새 /dataviz 스킬과 AWS 게이트웨이 공급자가 추가되었습니다.
Amazon Web Services가 AI 에이전트 간의 탐색·라우팅·접근 제어를 중앙화하는 서버리스 A2A 게이트웨이 참조 아키텍처를 발표했습니다. 20개의 에이전트가 조율 없이 운영되면 최대 190개의 상호 연결이 생기는데, 게이트웨이는 이를 단일 진입점으로 줄입니다.
Amazon Bedrock AgentCore Memory가 시맨틱 검색 이전에 적용되는 속성 메타데이터 필터링을 도입했습니다. 151개 질문 벤치마크에서 전체 정확도가 40%에서 64%로, 컨텍스트 의존형 쿼리는 16%에서 69%로 향상되었습니다.
LangChain이 DeepAgents 프레임워크를 통해 재귀 언어 모델(RLM)을 도입했습니다. 모델이 전체 컨텍스트를 하나의 창에 밀어 넣는 대신 입력 조각 위에서 스스로를 재귀적으로 호출하는 방식입니다. 128k 토큰 OOLONG 벤치마크에서 RLM 에이전트는 0.44였던 표준 에이전트 대비 0.79를 기록해 79% 향상되었습니다.
Anthropic이 Claude Sonnet 5를 출시한 같은 날, GitHub Copilot이 모든 플랫폼에서 해당 모델을 일반 공급 상태로 도입하고, Copilot 에이전트 모드가 VS Code에서 JetBrains 개발 환경(IntelliJ, PyCharm, GoLand, WebStorm)으로 확장됩니다.
Microsoft Research가 SkillOpt를 발표했습니다 — 모델 가중치를 건드리지 않고 반복적인 순방향-역방향 사이클로 에이전트 스킬 파일을 최적화하는 시스템. 52개 평가 셀에서 최고 또는 동점 결과를 달성했으며, 최적화된 스킬을 갖춘 GPT-5.5는 평균 정확도가 58.8%에서 82.3%로 향상되었습니다.
연구진이 TRIAGE를 제안합니다 — 궤적 세그먼트를 네 가지 의미론적 역할로 분류하고 각각에 다른 보상 신호를 할당하는 프레임워크로, 모든 토큰을 동일하게 처리하는 GRPO와 달리. ALFWorld, Search-QA 및 WebShop 벤치마크에서 TRIAGE는 환경에 대한 행동 수를 10.4~14.8% 줄입니다.
Memora는 장기 지평선 AI 에이전트를 위한 Microsoft Research의 확장 가능한 메모리 프레임워크입니다. 무엇을 저장할지와 어떻게 검색할지를 분리하는 조화로운 아키텍처, 큐 앵커, 정책 기반 검색기를 도입합니다. 전체 컨텍스트 접근 방식 대비 토큰 소비를 최대 98% 줄이면서 LoCoMo와 LongMemEval 벤치마크에서 SOTA를 달성합니다.
『Internalizing the Future』는 Tencent의 Xuan Zhang과 8명의 공저자가 2026년 6월 25일 arXiv에 제출한 프리프린트입니다. 3단계 학습(WM-AMT, FE-SFT, FC-RL)을 제안하며, 이를 통해 LLM 에이전트는 세계 모델을 개발합니다 — 단순히 반응적으로 행동하는 대신 미래 상태 예측과 계획 성공 평가 능력을 갖추게 됩니다.
Dynamic Subagents는 LangChain Deep Agents 프레임워크 내의 오케스트레이션 아키텍처로, 모델이 수백 개의 하위 에이전트를 병렬로 디스패치하는 JavaScript 스크립트를 작성할 수 있게 합니다. QuickJS 인터프리터가 스크립트를 결정론적으로 실행하여 300개 이상의 순차적 도구 호출을 제거합니다. 시스템은 classify-and-act부터 loop-until-done까지 6개의 오케스트레이션 패턴을 정의합니다.
2026 Agent Confidence Index는 Microsoft가 MIT Technology Review Insights와 함께 12개 산업의 300명의 기술 전문가를 대상으로 101개 작업에서 AI 에이전트에 대한 신뢰도를 조사한 연구입니다. 평균 점수는 64/100이며, 30개의 작업만이 70점 임계값을 초과합니다. 전문가의 59%는 인간 감독 루프 유지를 주요 우려 사항으로 꼽습니다.
arXiv:2606.26806의 Haoliang Han 연구는 장기 실행 언어 에이전트가 작업 컨텍스트 삭제 후에도 목표를 유지할 수 있도록 하는 gated LoRA 통합 메커니즘인 EVAF를 제안합니다. EVAF는 200개 이벤트당 2–3개의 파라메트릭 쓰기만 필요하며, 목표 지속성(0.812–0.904)에서 탁월하고, 검색은 사실적 회상(0.956–0.973)에서 우위를 보입니다.
EGG는 LLM 추론을 위해 최적화된 GPU 커널을 자동 생성하는 다중 에이전트 프레임워크입니다. 알고리즘 구조 후 하드웨어 튜닝의 2단계 접근 방식으로 KernelBench에서 PyTorch 기준선 대비 평균 2.13배 가속을 달성하며 에이전트 기반 및 RL 기반 접근 방식 모두를 능가합니다.