PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.20475v1cs.LG

메모리 기반 에이전트 자가 진화를 위한 한계 이점 누적

Marginal Advantage Accumulation for Memory-Driven Agent Self-Evolution

배치 방식 트레이스 증류에서, 동일한 메모리 연산이 서로 다른 배치에서 상충되는 피드백을 받을 수 있습니다. 기존 방법들은 배치 간 연산 수준의 증거 누적 메커니즘이 부족하여, 안정적으로 효과적인 연산과 우연한 적중을 구별하는 것이 불가능합니다. 본 논문은 이 요구 사항을 정렬 가능성(alignability)과 비교 가능성(comparability)이라는 두 가지 구조적 조건으로 공식화하고, 한계 이점 누적(MAA)을 제안합니다. MAA는 배치 간 비교가 가능하도록 차분 신호를 구성하고, EMA를 통해 연산별 부호가 있는 증거를 누적하며, 의미적 동일성 병합을 통해 배치 간 추적 가능성을 보장합니다. 후처리 아키텍처인 MAA는 4개의 벤치마크와 4개의 타겟 모델에 걸친 16가지 설정 중 14가지에서 최고의 결과를 달성했으며, 최적화 단계 토큰 소비량을 약 75% 줄이면서 기존 배치 수준 증류 베이스라인을 일관되게 능가하고 대부분의 설정에서 온라인 대안들과 동등하거나 그 이상의 성능을 보였습니다.