Token Efficient Task Execution via Application Behavior Modeling for Web Agents | AIChainDay

한국어 요약by Claude · 2026. 9. 17.

AI 에이전트의 토큰 처리 비용 급증 문제를 해결하기 위해, 웹 애플리케이션의 성공적인 과업 수행 시연을 분석해 구축한 행동 모델을 활용하는 웹 에이전트 아키텍처 OdoBot을 소개한다. Canvas 학습관리시스템(LMS)에서 45개 과업으로 실험한 결과, OdoBot은 경쟁 최신 에이전트인 Agent-E와 WebVoyager 대비 각각 44%, 80% 적은 토큰을 사용했다. 동시에 WebVoyager보다 높은 과업 성공률도 달성해, 비용과 성능을 동시에 개선할 수 있음을 보였다. 에이전트 인프라 투자가 급증하는 상황에서 실용적인 비용 절감 대안을 제시한다.

•애플리케이션의 성공 시연을 분석한 행동 모델 기반 웹 에이전트 OdoBot 제안
•Canvas LMS 45개 과업 실험에서 Agent-E 대비 44%, WebVoyager 대비 80% 토큰 절감
•토큰 절감에도 불구하고 WebVoyager보다 높은 과업 성공률 달성

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.

AI2026년 9월 15일AI 점수: 85%

Token Efficient Task Execution via Application Behavior Modeling for Web Agents

출처:arXiv cs.AI

AI 인사이트

개발자

1.애플리케이션 동작 모델을 학습해 저비용으로 작업을 수행하는 웹 에이전트 아키텍처 'OdoBot' 제안
2.Canvas LMS 45개 과제 실험에서 Agent-E 대비 토큰 44% 절감, WebVoyager 대비 80% 절감
3.WebVoyager보다 토큰을 훨씬 적게 쓰면서도 작업 성공률은 오히려 앞섬

왜 중요한가?

에이전트 운영비의 대부분을 차지하는 토큰 비용을 애플리케이션별 행동 모델링만으로 크게 줄였다는 점에서, 대규모 웹 에이전트 배포의 비용 구조를 실질적으로 바꿀 수 있는 접근이다.

언급 프로젝트

OdoBot Agent-E WebVoyager Canvas LMS

본문 미리보기

arXiv:2609.13491v1 Announce Type: new Abstract: The strong performance of AI Agents across an impressive variety of tasks is driving an unprecedented investment in agentic infrastructures, however the cost of processing tokens is fast increasing. Web agents automate the execution of web-application tasks described in natural language, by analyzing the web-application's user interface (UI) and interacting with it. This work introduces OdoBot, a novel web-agent architecture that completes tasks a

전체 내용이 궁금하다면?

원문을 직접 읽어보세요

원문 보기