LLM 에이전트의 다단계 실행 궤적은 길고 비정형적이어서 안전 감사와 실시간 모니터링이 어렵다. 연구진은 전체 궤적 데이터셋을 하나의 소형 유한상태기계(FSM)로 압축해 실행 간 공유되는 행동 구조를 복원하는 방법을 제안했다. 공개 데이터셋 12종에서 FSM은 7~43개 상태로 압축되면서도 held-out 데이터를 0.997 이상의 적합도로 재현했고 밀리초 단위로 구축됐다. 다음 단계 예측에서는 모든 데이터셋에서 Agent Workflow Memory를 능가했고, 실패 예측에서는 상태별 행동 특징으로 held-out AUROC 0.94를 달성해 부분 궤적만으로도 실패 가능성이 높은 실행을 조기에 감지, 중단시킬 수 있었다.

• •에이전트 실행 교적 전체를 하나의 소형 유한상태기계(FSM)로 압축
• •12개 공개 데이터셋에서 FSM이 7~43개 상태로 held-out 적합도 0.997 이상 재현
• •다음 단계 예측에서 Agent Workflow Memory를 모든 데이터셋에서 능가
• •실패 예측 AUROC 0.94, 부분 교적만으로도 실패 예측 및 조기 중단 가능