EVE-Agent는 검색 에이전트의 자기 진화 루프에 증거 검증 가능성을 통합한 프레임워크로, 제안자-해결자 구조를 수정해 답변과 함께 출처 기반 증거 스팬을 생성한다. 증거 검증기는 해당 스팬이 답변 정확도에 기여하는 한계 이익을 보상으로 계산해, 오라클 답변·인간 레이블·외부 주석 없이도 신뢰할 수 있는 훈련 신호를 생성한다. 실험 결과 EVE-Agent는 기존 자기 진화 검색 에이전트 대비 증거 기반 정확성을 크게 향상시켰다. 각 훈련 예제가 검사 가능한 출처 스팬을 포함해 훈련 커리큘럼 자체가 감사 가능한 구조가 된다는 점에서 에이전트 신뢰성 확보에 새로운 방향을 제시한다.
- •제안자가 질문·답변·축어적 증거 스팬을 생성, 검증기가 스팬의 한계 정확도 이득으로 보상 계산
- •인간 레이블·오라클 답변 없이 데이터 자유 자기 진화 가능, 유샌하지만 근거 없는 예제 보상 방지
- •기존 자기 진화 검색 에이전트 대비 증거 기반 정확성 크게 향상
- •진훈 가능한 출소 스팬 포함으로 훈련 커리큼럼 자체가 감사 가능한 구조로 구성
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
EVE-Agent: Evidence-Verifiable Self-Evolving Agents
- 1.EVE-Agent는 각 학습 인스턴스에 정답과 출처 근거 span을 함께 생성하는 증거 검증 가능한 자기 진화 검색 에이전트
- 2.증거 검증기가 span을 참조해 정답 달성 한계 정확도 향상을 보상 신호로 사용, 오라클 답·인간 라벨 없이 학습 가능
- 3.기존 자기 진화 검색 에이전트 대비 증거 근거 정확도 향상, 각 학습 인스턴스는 검사 가능한 span으로 감사 가능
왜 중요한가?
검색 에이전트의 자기 개선 루프에서 환각 커리큘럼 문제를 증거 검증 가능성이라는 원칙으로 해결, 인간 주석 없이도 신뢰 가능한 자기 진화를 가능하게 하는 실용적 접근이다.
언급 프로젝트
본문 미리보기
arXiv:2605.22905v1 Announce Type: new Abstract: Self-evolving agents should not train on examples they cannot justify. Data-free self-evolving search agents offer a scalable route to systems that generate their own questions, answer them, and improve from their own feedback without human annotations. Yet, without verifiable evidence, this loop can reward fluent but unsupported examples, turning the self-generated curriculum into an opaque and potentially unreliable training signal. We argue tha
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:12AI 초안

