대규모 언어 모델 (LLMs)을 위한 에이전트 강화학습 (Agentic RL)은 기본 정책 (base policy)의 탐색 (exploration) 능력에 결정적으로 의존하는데, 이는 학습 신호가 기본 정책의 역량 밖 영역 (in-capability region) 내에서만 나타나기 때문입니다. 기본 정책이 보상 상태 (reward states)에 도달할 수 없는 작업의 경우, 효과적인 학습 신호를 회복하기 위해 추가적인 학습이나 외부 가이드 (external guidance)가 필요합니다. 우리는 비용이 많이 드는 반복적인 지도 미세 조정 (Supervised Fine-Tuning, SFT)에 의존하는 대신, 일상적인 인간 상호작용에서 생성되는 풍부한 액션 데이터 (action data)를 활용합니다. 우리는 액션 데이터를 계획 스타일의 참조 가이드 (plan-style reference guidance)로 주입하여, 에이전트 정책 (agentic policy)이 보상 상태로의 도달 가능성 장벽을 극복할 수 있도록 하는 extsc{ActGuide-RL}을 제안합니다. 이후 가이드가 있는 롤아웃 (guided rollouts)과 가이드가 없는 롤아웃 (unguided rollouts)을 혼합 정책 학습 (mixed-policy training)을 통해 공동으로 최적화하여, 탐색을 통해 얻은 이득을 가이드가 없는 정책에 다시 내재화합니다. 이득-리스크 트레이드오프 (benefit-risk trade-off)에 대한 이론적 및 경험적 분석에 착안하여, 우리는 오프-폴리시 리스크 (off-policy risk)를 최소화하면서 작업 난이도에 맞춰 가이드를 적응형 폴백 (adaptive fallback)으로만 호출하는 최소 개입 원칙 (minimal intervention principle)을 채택합니다. 검색 에이전트 벤치마크 (search-agent benchmarks)에서 extsc{ActGuide-RL}은 제로 RL (zero RL) 대비 상당한 성능 향상을 보였으며 (Qwen3-4B 사용 시 GAIA에서 +10.7 pp, XBench에서 +19 pp), 콜드 스타트 (cold start) 없이도 SFT+RL 파이프라인과 대등한 성능을 보여주었습니다. 이는 무거운 SFT 데이터에 대한 의존도를 줄이는 대신 확장 가능한 액션 가이드를 사용하는 에이전트 RL의 새로운 패러다임을 시사합니다.