Insights
AI가 자동으로 큐레이션·번역·정리하는 기술 동향 피드입니다.
AgentX는 추천 시스템의 실험 주기를 자동화하기 위해 설계된 멀티 에이전트 시스템입니다. 가설 생성부터 코드 구현, A/B 테스트, 지식 축적까지의 과정을 자율적으로 수행하며 시스템 스스로를 개선하는 자기 진화형 엔진을 지향합니다.
AI 자동 생성 콘텐츠
본 콘텐츠는 arXiv cs.CL (NLP)의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기추천 알고리즘의 반복(iteration) 과정은 장인 정신에 의존하며 엔지니어에게 종속된 방식에서 산업화된 연구 루프로 이동하고 있으나, 이러한 전환은 구조적인 실행 병목 현상에 의해 여전히 가로막혀 있습니다. 즉, 아이디어에서 출시(idea-to-launch)에 이르는 주기가 가설 생성, 프로덕션 코드 수정, A/B 실험 실행, 온라인 결과 분석을 수행하는 인간 엔지니어에게 여전히 의존하고 있다는 점입니다. 따라서 혁신은 증거, 컴퓨팅 자원, 축적된 실험 지식과 결합하여 복리로 성장하기보다는 인원수에 따라 선형적으로 확장됩니다. 본 논문에서는 이러한 생산 함수를 근본적으로 재구조화하는, 실제 프로덕션에 배포된 멀티 에이전트 시스템(multi-agent system)인 AgentX를 제시합니다. AgentX는 자기 진화형 개발 엔진(self-evolving development engine)으로서 작동하며, 수동 워크플로우로는 유지할 수 없는 규모와 속도로 추천 실험을 자율적으로 생성, 구현, 평가 및 학습합니다. 이 시스템은 폐쇄 루프(closed loop) 내에서 밀접하게 결합된 네 가지 단계를 조율합니다. Brainstorm Agent는 과거 실험, 시스템 아키텍처, 데이터 분석 및 외부 연구로부터 얻은 증거를 합성하여 순위가 매겨진 실행 가능한 제안을 생성합니다. Developing Agent는 저장소 기반 생성(repository-grounded generation)과 다차원 신뢰성 검증을 통해 각 제안을 프로덕션 준비가 된 코드로 변환합니다. Evaluation Agent는 가드레일(guardrail)에 의해 거부된 A/B 판단을 포함한 안전한 온라인 롤아웃(online rollout)을 수행하며, 성공과 실패 모두를 구조화된 지식 자산으로 변환합니다. 마지막으로 Harness Evolution 레이어(SGPO)는 실행 궤적(execution trajectories)을 의미론적 경사 업데이트(semantic-gradient updates)로 증류하여 에이전트 자체를 지속적으로 정교화하며, 이를 통해 시스템을 단순한 자동화를 넘어 자기 개선(self-improving)이 가능한 상태로 만듭니다.