선언적 데이터 서비스(DDS)는 다중 시스템 데이터 백엔드에서 LLM 기반 탐색의 한계를 해결하는 구조화된 에이전트 탐색 아키텍처다. 의도, 연산자 DAG, 시스템별 스킬, 런타임 귀속 등 4개의 계층적 타입 계약으로 전역 검색을 제한된 하위 검색으로 분해한다. 트레이딩 백엔드 워크로드에서 DDS는 수렴에 성공한 반면 비제한 에이전트 탐색은 반복 후에도 실패했다. 런타임 오류가 스킬 패치로 변환되어 다음 배포에서 인라인 인용되는 자기 개선 피드백 루프를 형성한다.
- •4개 의 타입 계약(의도, 연산자 DAG, 시스템별 스킬, 런타임 귀속)으로 에이전트 탐색 공간을 구조화한다.
- •트레이딩 백엔드 워크로드에서 비제한 탐색이 수렴하지 못한 데 성공적으로 수렴함을 증명하는 조기 프로토타입 연구다.
- •런타임 실패가 스킬 패치로 변환되어 이후 배포에서 인라인으로 인용되는 자율 개선 피드백 루프를 형성한다.
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.
Declarative Data Services: Structured Agentic Discovery for Composing Data Systems
- 1.이종 데이터 백엔드 조합 문제에 LLM 에이전트 탐색을 적용하는 선언적 데이터 서비스(DDS) 제안
- 2.의도·연산자 DAG·시스템별 스킬·런타임 귀인 등 4개 계층 계약으로 전역 탐색을 분해
- 3.트레이딩 백엔드 작업에서 무한 탐색이 실패하는 상황에서 DDS는 성공적으로 수렴
왜 중요한가?
복잡한 데이터 시스템 조합 문제에 구조화된 에이전트 탐색을 적용한 실용적 프로토타입으로, 엔터프라이즈 AI 에이전트 배포에 시사점을 제공한다.
언급 프로젝트
본문 미리보기
arXiv:2605.20690v1 Announce Type: new Abstract: Agentic discovery has shown that LLM-driven search can find novel algorithms, designs, and code under benchmark conditions. Translating the paradigm to multi-system data backends surfaces a harder problem: the search space is heterogeneous, the verifier is whether a deployed stack actually runs, and composition knowledge is unevenly captured in pretraining. Unbounded agentic discovery, a coding agent iterating on failure-log feedback, fails to con
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
