Agent0: 제로 데이터로부터 자체 진화하는 에이전트

출처: 원본 링크

Agent0 시리즈는 인간이 직접 큐레이션한 데이터셋이나 수작업 감독 없이도 에이전트가 스스로 개선하고 진화할 수 있음을 보여주는 자율 에이전트 개발의 새로운 방향을 제시합니다. 이 프로젝트는 도구 통합 추론을 통해 자체 개선 에이전트를 발전시키는 두 가지 상호 보완적인 연구인 Agent0과 Agent0-VL을 통합합니다.

1. Agent0: 자체 진화 언어 에이전트

Agent0은 다단계 공동 진화 및 원활한 도구 통합을 통해 고성능 언어 에이전트를 진화시키는 완전 자율 프레임워크입니다. 이 프레임워크는 두 에이전트 간의 공생 경쟁을 통해 작동합니다:

  • Curriculum Agent: 점점 더 도전적인 최전선 작업을 제안합니다.
  • Executor Agent: 외부 도구를 사용하여 이러한 작업을 해결하는 방법을 학습합니다.

주요 결과:

  • 수학적 추론 벤치마크에서 +18% 개선을 달성했습니다.
  • 일반 추론 벤치마크에서 +24% 개선을 달성했습니다.
  • 훈련에 외부 데이터가 전혀 필요하지 않습니다.
  • 다중 턴 상호 작용을 지원합니다.

2. Agent0-VL: 자체 진화 시각-언어 에이전트

Agent0-VL은 Agent0 패러다임을 다중 모달 추론 작업으로 확장하는 자체 진화 시각-언어 에이전트입니다. 이 모델은 추론뿐만 아니라 자체 평가 및 자체 수리에도 도구 사용을 통합하는 이중 역할 아키텍처를 특징으로 합니다:

  • Solver: 다중 턴 도구 통합 추론을 수행합니다.
  • Verifier: 구조화된 피드백과 세분화된 자체 보상을 생성합니다.

주요 결과:

  • 시각적 추론 벤치마크에서 평균 +12.5% 개선을 달성했습니다.
  • 테스트 시간 스케일링 성능에서 +7.3% 개선을 보였습니다.
  • 오픈 소스 시각-언어 모델 중 최첨단 성능을 자랑합니다.
  • 자체 진화에 외부 보상이 전혀 필요하지 않습니다.

공통 철학

두 프로젝트 모두 제로 데이터 자체 진화(zero-data self-evolution) 원칙을 기반으로 합니다:

  • 인간 주석 없음: 외부 데이터나 인간 감독에 대한 의존성을 완전히 제거합니다.
  • 도구 통합 추론: 문제 해결 능력을 향상시키기 위해 외부 도구를 활용합니다.
  • 자율 진화: 지능적인 탐색을 통해 자체적으로 훈련 데이터를 생성합니다.

관련 노트