PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.15066v2cs.CL

Salesforce Koa: 에이전트 도구 사용을 위한 엔터프라이즈 언어 모델

Salesforce Koa: An Enterprise Language Model for Agentic Tool Use

본 논문에서는 오픈 가중치(open-weight) 기반 파운데이션 모델인 Nemotron-3-Super-120B를 GRPO(Group Relative Policy Optimization) 기반의 강화학습(RL)으로 사후 학습(post-training)하고, 실제 프로덕션 적용을 위해 FP8로 배포한 엔터프라이즈 언어 모델인 Salesforce Koa를 제시합니다. Koa는 공개 데이터 및 합성 생성 데이터만을 활용하여 학습되었으며, 요청을 올바른 액션으로 라우팅하고, 유효한 인자(argument)를 갖추어 적절한 도구를 호출하며, 멀티턴(multi-turn) 비즈니스 태스크를 완료하는 등 엔터프라이즈 워크플로우에서 요구하는 에이전트 도구 사용에 특화되어 있습니다. 제안하는 파이프라인의 핵심적 차별점은 명세 기반 태스크 구성(specification-driven task construction)입니다. 선언적 Agent Script 명세는 페르소나 조건화 멀티턴 환경으로 확장되며, 이 환경의 보상은 성공적인 도구 사용에 그라운딩(grounding)됩니다. 엔터프라이즈 CRM 명세에 적용된 이 동일한 파이프라인은 Koa가 특화된 도메인 내(in-domain) 학습 분포를 생성합니다. CRMAgentBench 및 인간 라벨링 기반 프로덕션 도구 호출 데이터셋 평가에서 Koa는 튜닝되지 않은 오픈 가중치 베이스 모델과 GPT-4.1을 모두 능가하며, 가장 강력한 프론티어 모델들과 대등한 성능을 보입니다. Koa는 CRMAgentBench에서 87%의 태스크 성공률(Task Success Rate)을 달성하여 GPT-4.1(82%)과 베이스 모델(79%)을 앞섰으며, 내부 프로덕션 벤치마크의 인간 라벨링 평가 부분에서 모든 지표 최상위권 혹은 정상급 성능을 기록하는 한편, 공개 벤치마크(Tau2Bench, BFCL)에서도 베이스 모델의 일반적인 성능을 유지했습니다. 모델 아키텍처와 강화학습 레시피를 고정한 통제 비교 분석을 통해, 도메인 내 강화학습 단계 추가가 인간 라벨링 기반 엔터프라이즈 벤치마크에서 인자 정확도(argument accuracy)와 전체 도구 호출 성공률을 향상함을 입증했습니다.