UniClawBench는 샌드박스 환경과 단일 턴 평가에 의존하던 기존 벤치마크의 한계를 극복하기 위해, 스킬 활용·탐험·장문 맥락 추론·멀티모달 이해·크로스 플랫폼 조율의 5가지 능력 차원을 중심으로 400개의 이중 언어 실세계 태스크를 설계한 능력 중심 에이전트 벤치마크다. 실제 Docker 컨테이너 환경에서 단계별 체크포인트 기반 평가와 실행 에이전트·숨겨진 감독 에이전트·사용자 에이전트로 구성된 폐쇄 루프 전략을 도입해 채점 기준 누출 없이 멀티 턴 인간 피드백을 시뮬레이션하며, 실험 결과 에이전트 성능은 기반 모델 능력보다 프레임워크 설계의 영향을 더 크게 받는 것으로 나타났다.
반응적(reactive) 설계에 머물러 있는 엔터프라이즈 AI 에이전트의 한계를 극복하기 위해, 엔터프라이즈 엔티티의 상태 변화를 실시간으로 추적하는 관계형 데이터 구조인 Context Graph와 이를 기반으로 한 Delta Detection Engine, Proactivity Scorer, LLM 기반 Surfacing Layer로 구성된 능동적(proactive) 서페이싱 시스템을 제안한다. 계약 수명주기 관리, 인시던트 대응, 영업 파이프라인 관리 등 세 가지 엔터프라이즈 사례에서 Precision@5 0.83을 달성하고, 평균 정보 제공 시간을 47분에서 30초 미만으로 단축하는 효과를 보였다.
LLM 에이전트의 능동적 문제 해결 능력을 평가하기 위해 PROBE(Proactive Resolution Of BottlEnecks) 벤치마크를 제안하며, 이는 미명시 문제 탐색, 병목 식별, 적절한 조치 실행의 세 단계로 능동성을 분해한다. 1,000개의 합성 직장 시나리오로 구성된 이 벤치마크에서 GPT-5와 Claude Opus-4.1이 최고 성능인 40%를 기록하며, 현재 최신 모델조차 진정한 자율적 에이전트 행동에 한계가 있음을 드러낸다.