GRACE(Graph-Regularized Agentic Context Evolution)는 LLM 에이전트의 지속적 시스템 지시문을 평문 대신 타입 지정 의미 그래프로 관리하고, 갱신 제안을 수정 노드의 국소 이웃 안에서 검증하는 컨텍스트 진화 기법이다. 지시문이 운영 경험으로 계속 누적되면 평문 방식은 검증이 갈수록 어려워진다는 문제의식에서 출발했다. τ²-bench 기반 통신사 에이전트 하니스의 분포 변화 프로토콜에서 5회 반복 평가한 결과, 엄격 신뢰도 지표 pass^3이 Gemini 2.5 Flash 제로샷 0.091에서 0.673±0.136으로 상승해, 더 강한 모델인 Gemini 3.1 Pro 제로샷(0.242)과 평문 베이스라인 HCE(0.191)를 모두 크게 앞섰다. 장기 컨텍스트 진화에는 국소 검증이 가능한 구조적 기반과 누적 지시문을 쓸 만하게 유지하는 통합 메커니즘이 필요함을 보여준다.
- •지속 지시문을 타입 지정 의미 그래프로 유지하고 국소 이웃에서만 갱신 검증
- •통신사 에이전트 분포 변화 환경에서 pass^3 0.091→0.673으로 향상
- •약한 모델+GRACE가 더 강한 Gemini 3.1 Pro 제로샷(0.242)을 추월
- •평문 베이스라인 HCE는 0.191에 그쳐 구조화된 기반의 필요성 입증
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.
Scoped Verification for Reliable Long-Horizon Agentic Context Evolution under Distribution Shift
- 1.지속 시스템 지시문을 타입 시맨틱 그래프로 관리하는 GRACE 프레임워크 제안
- 2.수정 노드의 국소 이웃만 검증해 장기 컨텍스트 진화의 검증 비용 억제
- 3.τ²-bench 텔레켤 과제서 pass^3 0.091→0.673, Gemini 3.1 Pro 제로샷(0.242) 초과
- 4.플랫 텍스트 베이스라인(0.191) 대비 압도적 신뢰성 우위
왜 중요한가?
약한 모델(Gemini 2.5 Flash)이 구조화된 컨텍스트 진화만으로 상위 모델 제로샷을 넘어선 결과로, 모델 교체 없이 운영 경험 축적으로 에이전트 신뢰성을 끌어올리는 실용 경로를 제시한다.
본문 미리보기
arXiv:2607.09175v1 Announce Type: new Abstract: Deployed LLM agents rely on agentic context, the model-external textual control content assembled by an operational harness. In this work, the mutable component of that context is a persistent system-level instruction that is updated from operational experience while the model, tools, and harness remain fixed. Over long evolution horizons, flat-text maintenance makes verification increasingly difficult as accumulated instructions grow and interact
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:08AI 초안

