Llm-Agents

SwarmWorld: 말 없이 협력하는 LLM 에이전트 사회와 창작자보다 오래 남는 기술

SwarmWorld: 말 없이 협력하는 LLM 에이전트 사회와 창작자보다 오래 남는 기술

SwarmWorld에서는 에이전트가 대화하지 않아도 다른 에이전트가 남긴 장치와 환경 변화를 관찰하며 작업을 이어갑니다. 이 공유 세계는 독립 탐색보다 여러 기능을 갖춘 기술 집합을 만드는 데 유리했지만, 최고의 단일 장치까지 보장하지는 않았습니다. MIT 연구진의 논문이 보여 준 것은 정해진 시뮬레이터 안에서 결과물이 축적되는 협력입니다. 실제 재료를 발명했거나 현실의 멀티 에이전트 시스템이 항상 더 낫다는 증거로 확대하면 실험의 뜻이 달라집니다.

더 보기
Eval 없는 Agent Skill은 배포하지 마라: Philipp Schmid의 스킬 테스트 방법론과 SkillsBench

Eval 없는 Agent Skill은 배포하지 마라: Philipp Schmid의 스킬 테스트 방법론과 SkillsBench

Claude Code, Gemini CLI, Codex 같은 코딩 에이전트를 쓰다 보면 자연스럽게 스킬(Agent Skill)을 만들게 된다. 사내 코딩 컨벤션, 특정 SDK 사용법, 배포 절차 같은 지식을 Markdown 파일로 정리해 에이전트에게 물려주는 방식이다. 문제는 거의 아무도 이 스킬을 테스트하지 않는다는 점이다. 코드는 테스트 없이 배포하지 않으면서, 에이전트의 행동을 바꾸는 스킬은 몇 번 돌려 보고 “괜찮네” 수준의 감으로 배포한다.

더 보기
TradingAgents: LLM 에이전트로 만든 트레이딩 회사, 논문과 코드 읽기

TradingAgents: LLM 에이전트로 만든 트레이딩 회사, 논문과 코드 읽기

TradingAgents는 여러 LLM이 자료를 분석하고 반론을 검토해 한 종목의 투자 판단과 그 근거를 만드는 연구 프레임워크입니다. 현재 코드에서는 Trader의 거래 제안을 리스크 팀이 검토한 뒤 Portfolio Manager가 최종 등급을 결정합니다. 논문의 높은 백테스트 수익률만으로 이 등급이 실거래 수익으로 이어진다고 판단할 수는 없습니다. 최신 평가 코드도 주문 체결과 계좌 잔고를 모사하지 않는다고 명시합니다. 최종 결정 코드, 평가 코드

더 보기
카테고리
태그