PEARL: Self-Evolving Assistant for Time Management with Reinforcement Learning
겹치는 일정 초대에 따른 캘린더 충돌 해결(calendar conflict resolution)을 1년치 라운드형으로 평가하는 벤치마크 CalConflictBench를 제안하고, 외부 선호 메모리와 라운드별 보상으로 사용자 선호를 점진 추론·적응하도록 학습하는 강화학습(RL) 프레임워크 PEARL을 소개한다. 실험에서 기존 LLM 에이전트는 Qwen-3-30B-Think 기준 평균 오류율 35% 등 높은 실패율을 보였고, PEARL은 최강 베이스라인 대비 평균 오류율 55% 개선과 오류 감소율 0.76을 달성했다.