AgentBetta: 선택적 확장과 검증 기반 수축을 통한 AI 나노-에이전트의 검증 주도 적응형 구성
AgentBetta: Verification-Driven Adaptive Configuration of an AI Nano-Agent through Selective Expansion and Verified Contraction
대규모 언어 모델 에이전트는 일반적으로 사전 정의된 구성으로 배포되지만, 작업마다 필요한 모델 역량, 컨텍스트, 도구, 권한, 메모리 및 연산 자원은 상당히 달라질 수 있다. 본 연구는 이러한 요인을 실행 가능한 구성으로 표현하고, 검증 주도 진단, 선택적 확장, 검증 기반 반사실적 수축을 통해 이를 갱신하는 적응형 AI 나노-에이전트 프레임워크인 AgentBetta를 개발하고 평가한다. 평가는 통제된 메커니즘 검증과 외부 에이전트 비교를 구분한다. AB-ConfigBench 벤치마크에서 AgentBetta는 완전히 제공된 구성과 비교하여 중앙값 컨텍스트 할당을 64,000자에서 8,000 컨텍스트 문자로, 중앙값 도구 노출을 5개 도구에서 0개로 줄이면서 91.38%의 검증된 성공률을 달성했다. 구성 결핍 진단은 평가된 차원 전반에서 정밀도 1.000으로 매크로-F1 점수 0.819를 달성했으며, 선택적 확장은 관련 없는 구성 차원에 대한 불필요한 변경을 피했다. 성공 후 수축은 평가된 단일 차원 수축 프로브의 56.41%에서 검증 결과를 유지했으며, 이는 일부 성공적인 구성이 시험 조건에서 제거 가능한 역량을 포함하고 있음을 나타낸다. 외부 평가는 적응형 구성이 검증된 작업 완료와 역량 노출 사이의 균형을 개선할 수 있음을 시사하지만, 결과는 벤치마크와 에이전트 계열에 따라 달라진다. 특히 계열 간 복제는 주 백본 정확도 순위를 재현하지 못했으며, 특화 시스템은 특정 작업 도메인에서 여전히 유리했다. 이 결과는 AgentBetta를 특화된 에이전트 아키텍처의 보편적 대체재보다는 역량 할당과 추론 비용을 조절하는 구성 적응 메커니즘으로 해석하는 것을 뒷받침한다.