GRASP: 자기 개선형 LLM 에이전트를 위한 게이트형 회귀 인식 기술 제안자

요약

LLM 에이전트의 자기 개선 과정에서 발생하는 성능 퇴보 문제를 해결하기 위한 GRASP 기술을 제안합니다. 엄격한 회귀 예산과 수용 게이트를 통해 새로운 기술이 기존 성능을 해치지 않을 때만 라이브러리에 추가하는 방식입니다.

핵심 포인트

• GRASP는 회귀 방지를 위해 엄격한 회귀 예산을 적용함
• 임상 벤치마크에서 gpt-oss-120b의 성능을 40.6%에서 88.8%로 대폭 향상
• 단순 기술 작성이 아닌 비교 제안과 수용 게이트가 핵심 성능 요인임
• 강력한 모델의 기술을 약한 모델로 전이할 때 성능 향상이 나타나는 비대칭성 확인