PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.27277v1cs.AI

TimeEvo: 실패 주도 시계열 에이전트의 자기 진화

TimeEvo: Failure-Driven Self-Evolution of a Time Series Agent

시계열 에이전트는 외부 도구를 호출해 분석 질문에 답하며, 어떤 도구를 갖출지는 에이전트 실행 전에 사람이 정한다. 그러나 이 설정에서 우리는 두 가지 실패를 확인한다. 인간-에이전트 도구 불일치(Human-Agent Tool Misalignment): 전문가가 큐레이션한 21개 도구 라이브러리는 일부 작업에서는 도움이 되지만 다른 작업에서는 해를 끼쳐, 우리가 시험한 모든 백본에서 이상 탐지 정확도를 떨어뜨린다. 조용한 해(Silent Harm): 한 차례의 일반적인 자기 수정은 147개의 답을 바꾸고 그중 56개를 망가뜨리지만, 최종 점수는 1점 미만만 변한다. 둘 다 같은 간극에서 비롯된다. 도구가 도움이 되는지는 실행 시 질문마다 결정되는데, 도구는 사전에 제공되고 단일 평균으로만 평가된다는 점이다. 이를 해결하기 위해 우리는 TimeEvo를 제안한다. TimeEvo는 에이전트의 진단된 실패를 역량 격차로 클러스터링하고, 각각에 대한 측정을 계획하며, 이를 메우는 증거 전용(evidence-only) 도구를 합성하고, 후보 라이브러리는 paired admission gate를 통해서만 승인한다. 10개의 시계열 QA 작업과 3개의 백본에 대한 실험은, 빈 라이브러리에서 시작하는 TimeEvo가 모든 작업과 모든 백본에서 정확도를 높이며, 저렴한 모델에서 성장한 라이브러리를 더 강한 모델에 설치해도 여전히 이득이 있다는 것을 보여준다. 코드는 https://github.com/Muyiiiii/TimeEvo 에서 이용할 수 있다.