AgentSSL: MLE 에이전트는 레이블 없는 데이터를 활용할 수 있을까?

요약

본 연구는 라벨링 데이터 부족 문제를 해결하기 위해 에이전트 기반 준지도 학습(AgentSSL)을 제안합니다. SSL을 프로그램 검색 문제로 정의하고, 약한 피드백만으로도 강력한 코드를 합성할 수 있음을 입증했습니다. 또한, 성능 저하의 주요 원인인 '프로그램 선택' 병목 현상을 분석하기 위한 대규모 벤치마크(ProgramSelectBench)를 도입하여 평가합니다.

핵심 포인트

• AgentSSL은 라벨 없는 데이터가 풍부한 환경에서 강력한 준지도 학습 능력을 보여줍니다.
• 에이전트는 약한 피드백만으로도 인간 설계 기반 모델을 능가하는 코드를 합성할 수 있습니다.
• 프로그램 선택(program selection)이 주요 병목 현상이며, 이로 인해 성능이 최대 47%까지 하락합니다.
• ProgramSelectBench를 통해 비지도 및 능동 프로그램 선택 방법을 체계적으로 평가했습니다.