ANNEAL은 반복적인 실행 실패를 기반 모델 가중치를 수정하지 않고 프로세스 지식 그래프의 거버넌스된 심볼릭 편집으로 변환하는 신경-심볼릭 에이전트입니다. 핵심 메커니즘인 FDKA(실패 주도 지식 획득)는 책임 연산자를 지역화하고 제약된 LLM 생성으로 패치를 합성한 후 다차원 검증을 거쳐 커밋합니다. 4개 도메인 27회 실험에서 ReAct·Reflexion 등 강력한 기준선이 72-100% 홀드아웃 실패율을 유지하는 반면, ANNEAL은 반복 실패를 0%로 줄였습니다. 모든 승인된 편집에는 완전한 출처와 결정론적 롤백 기능이 포함됩니다.
- •ANNEAL은 반복 실패를 모델 가중치 변경 없이 프로세스 지식 그래프의 거버넌스된 심볼릭 편집으로 변환합니다.
- •FDKA는 책임 연산자 지역화→패치 합성→다차원 점수·심볼릭 가드레일·카나리 테스트 검증→커밋의 과정으로 안전한 지식 수정을 보장합니다.
- •4개 도메인 27회 실험에서 ReAct·Reflexion 등이 72-100% 홈드아웃 실패률을 유지하는 반면, ANNEAL은 반복 실패를 0%로 감소시켰습니다.
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.
ANNEAL: Adapting LLM Agents via Governed Symbolic Patch Learning
- 1.ANNEAL: 반복적 실패를 프로세스 지식 그래프의 기호적 패치로 변환하는 뉴로심볼릭 에이전트
- 2.FDKA 메커니즘으로 책임 오퍼레이터 파악 훈 다차원 점수·심볼릭 가드레일·카나리 테스트로 컵릳 후 컴바인드
- 3.27개 멀티시드 실행에서 반복 결함 실패률을 0%로 감소, ReAct·Reflexion은 72-100% 유지
왜 중요한가?
반복 실패를 영구적으로 해결하는 기호적 수선 접근법으로, 프롬프트·가중치 수정을 넘어 구조적 지식 그래프 수정을 통한 새로운 에이전트 자기 진화 패러다임을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2605.16309v1 Announce Type: new Abstract: LLM-based agents can recover from individual execution errors, yet they repeatedly fail on the same fault when the underlying process knowledge--operator schemas, preconditions, and constraints--remains unrepaired. Existing self-evolving approaches address this gap by updating prompts, memory, or model weights, but none directly repair the symbolic structures that encode how tasks are executed, and few provide the governance guarantees required fo
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 11:12AI 초안
