에이전트플라이: 파라미터 재학습 없이 AI 에이전트를 진화시키는 메모리 기반 학습 기술, GAIA 기준 87% 정확도 달성
한 달 전
AI 에이전트를 더 똑똑하게 만들려는 시도는 대부분 고비용의 파라미터 업데이트에 걸려 있다. 기존 방법은 대규모 언어모델(LLM)의 수십억 개 파라미터를 재학습하는 방식으로, 막대한 계산 자원을 소모하고 기존 지식을 잃는 '비극적 망각(catastrophic forgetting)' 위험까지 동반한다. 이 문제를 해결한 AgentFly는 LLM 자체를 다시 훈련하지 않고도 에이전트 성능을 끌어올리는 혁신적인 접근을 제시한다. 핵심은 '기억 기반 학습'이다. AgentFly는 에이전트가 경험한 과거 작업 사례를 저장하고, 필요할 때 빠르게 검색해 활용한다. 이 방식은 마치 사람이 경험을 통해 배우는 것처럼, 지식을 지속적으로 축적하고 재사용할 수 있다. 실험 결과, GAIA 벤치마크에서 87%의 정확도를 달성하며 기존 방법보다 효율적이고 안정적인 성능을 입증했다. 이는 에이전트 개발의 패러다임 전환을 의미하며, 지속 가능한 스마트 에이전트 구현의 새로운 길을 열었다.