에이전트

자기 개선 에이전트의 평가 기준을 고정하지 않고 에이전트와 함께 진화시키는 탐색 프레임워크. 코딩·논문 쓰기·증명 쓰기 세 영역에서 고정 평가자 기준선을 앞섰고, AI가 쓴 글을 지나치게 잘 받아주던 심사자의 편향까지 탐색 중에 교정했다.

인간이 느리고 지친다는 것. 우리가 아는 모든 제도는 그 사실 위에 서 있었다. 에이전트가 그 전제를 공짜로 지워버리면, 사회는 더 이상 인간을 기준으로 돌아가지 않는다.

차세대 에이전트는 비밀을 훔치지 않고도 공개된 정보의 조각을 연결해 한 사람의 삶을 계산할 수 있다. OpenAI·Hugging Face 보안 사고가 앞당긴 것은 바로 그 시간표다.

개인 AI 작업 환경을 ‘마찰을 줄인다’는 기준 하나로 진화시켰더니, 도착한 곳은 조직 인프라의 문법이었다. 그 과정의 기록.

Anthropic Claude Code 팀 Thariq이 Fable 5로 일하며 재발견한 오래된 교훈. 이제 작업의 병목은 모델이 아니라 내가 unknown을 얼마나 명확히 하는가로 옮겨갔다.

Qwen 팀이 일곱 가지 에이전트 환경(MCP·Search·Terminal·SWE·Web·OS·Android)을 하나의 모델로 시뮬레이션하는 언어 월드 모델 Qwen-AgentWorld를 공개했다. CPT→SFT→RL 3단계로 훈련했고, 397B-A17B 모델이 GPT-5.4·Claude Opus 4.8·Gemini 3.1 Pro를 넘는 AgentWorldBench 성능과 함께 시뮬레이션 RL이 실제 환경 학습을 능가하는 결과를 보였다.

Armin Ronacher가 agent loop와 harness loop를 구분하며, 자기가 신경 쓰는 코드에는 아직 루프 방식이 맞지 않다고 고백하면서도 이 미래가 불가피하다고 진단하는 글. 루프 시대에 판단·책임·아키텍처 sanity를 어떻게 보존할 것인가가 핵심 질문이다.

루프 엔지니어링을 ‘기억’ 한 축에서 다시 보는 글. 한 단계에 얼마나 많은 컨텍스트를 모델에 보일지를 두고 토큰이 풍부한 루프와 빈약한 루프가 갈리며, 그 사이의 균형을 잡는 열쇠가 명시적 메모리 계층임을 분명히 밝힌다. 메모리 인프라 기업 Mem0의 관점이 깔린 글이지만, 루프의 기억이라는 차원을 정면으로 다룬다는 점에서 연재를 닫는 좌표로 삼을 만하다.

ReAct(2022)부터 Ralph 루프와 /goal 명령(2026)까지, 에이전트 루프 열 가지의 계보를 한 장의 지도로 정리한 개괄 가이드. 루프란 트리거와 검증 가능한 목표의 결합이며, 루프 엔지니어링이란 그 루프를 설계하고 폭주를 막는 가드레일을 두르는 일임을 분명히 밝힌다.

코딩 에이전트를 덜 감독하면서도 믿으려면, 결과에 대한 신뢰를 끌어올릴 장치가 필요하다. Birgitta Böckeler가 컨텍스트·하네스 엔지니어링의 떠오르는 개념들을 사이버네틱스의 피드포워드·피드백 틀로 묶어, 코딩 에이전트 ‘사용자’가 직접 두를 수 있는 바깥 하네스의 멘탈 모델을 정리한다.