프린스턴 논문에서는 전문 AI 에이전트 팀이 단일 모델을 이겼다는 사실을 발견했습니다.

본문

프린스턴 논문에 따르면 많은 개발자의 전문 AI 에이전트가 SWE 벤치에서 단일 범용 에이전트를 능가하는 약 70%의 정확도를 달성한 것으로 나타났습니다. 연구원들은 다양한 개발자가 구축한 좁은 에이전트를 결합하여 SWE-벤치에서 약 70%의 정확도를 보고했습니다. AI 업계는 더 크고 스마트한 단일 모델이 답이라고 가정하며 수년을 보냈습니다. 프린스턴 대학의 새로운 논문은 잘 조직된 위원회가 외로운 천재를 이길 수 있다고 제안합니다. 연구원들은 서로 다른 개발자가 독립적으로 구축한 특수 에이전트를 결합하면 단일 범용 에이전트가 관리할 수 있는 것 이상으로 전반적인 성능이 향상된다는 사실을 발견했습니다. 더 나은 AI 에이전트를 구축하기 위한 경쟁이 치열하기 때문에 지금은 이것이 중요합니다. 핵심 아이디어는 저자가 "에이전트 시장"이라고 부르는 것입니다. 가정의보다는 병원을 상상해 보세요.

Princeton 프레임워크에서 하위 에이전트는 각각 특정 작업 도메인에 맞게 조정됩니다. SWE-bench는 AI 시스템이 소프트웨어 엔지니어링 문제를 얼마나 잘 처리하는지 테스트하기 위해 설계되었으므로 코딩 에이전트에 대한 까다로운 검증 기반이 됩니다. 프린스턴 팀이 하는 일은 이러한 아이디어를 언어 모델을 기반으로 구축된 자율 에이전트에 적용하는 것입니다. 이 논문은 또한 언어 모델이 소프트웨어 엔지니어링 에이전트로 작동하도록 하는 데 초점을 맞춘 SWE-agent를 포함하여 Princeton의 초기 작업을 기반으로 합니다. 전문 AI 에이전트로의 전환은 경쟁 전략을 재정의하고 단순한 규모 이상의 협업과 통합을 강조할 수 있습니다. 프린스턴 포스트 논문에서는 전문 AI 에이전트 팀이 단일 모델을 이겼다는 사실을 발견했습니다. Crypto Briefing에 처음 등장했습니다.