도구 증강 언어 모델에서 도구 라이브러리가 성장할수록 문맥 비용이 증가하고 코드의 구성 구조가 모호해지는 문제를 해결하기 위해 CoCoDA 프레임워크를 제안한다. 구성적 코드 DAG를 통해 플래너와 도구 라이브러리를 공동 진화시키며, 타입 시그니처 통합·설명 랭킹·동작 사양 필터링을 통한 점진적으로 작아지는 후보군에서 타입 DAG 검색을 수행한다. 수학적 추론·테이블 분석·코드 작업 벤치마크에서 8B 학생 모델이 GSM8K와 MATH에서 32B 교사 모델과 동등하거나 그 이상의 성능을 달성했다.
- •CoCoDA는 구성적 코드 DAG를 통해 플래너와 도구 라이브러리를 단일 구조로 공동 진화시킨다
- •타입 DAG 검색이 점진적으로 줄어드는 후보군에서 효율적 검색과 비용 절감을 가능하게 한다
- •성공적 구성 도구가 자동으로 라이브러리에 접혀 라이브러리가 성장한다
- •8B 학생 모델이 GSM8K와 MATH에서 32B 교사 모델과 동등하거나 그 이상의 성능을 보였다
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.
CoCoDA: Co-evolving Compositional DAG for Tool-Augmented Agents
- 1.CoCoDA: 플래너와 도구 라이브러리를 코드 네이티브 DAG 구조로 공동 진화시키는 프레임워크 제안
- 2.타입 서명 유니피케이션·행동 명세·예시 기반 검색으로 콘텍스트 비용을 서브선형으로 유지
- 3.8B 모델이 GSM8K, MATH 벤치마크에서 32B 교사 모델에 필적하는 성능 달성
왜 중요한가?
도구 라이브러리 규모 확장에 따른 컨텍스트 비용 증가 문제를 해결하며, 소형 모델도 대형 모델 수준의 추론 성능을 낼 수 있음을 실증적으로 보여준다.
언급 프로젝트
본문 미리보기
arXiv:2605.08399v1 Announce Type: new Abstract: Tool-augmented language models can extend small language models with external executable skills, but scaling the tool library creates a coupled challenge: the library must evolve with the planner as new reusable subroutines emerge, while retrieval from the growing library must remain within a fixed context budget. Existing tool-use and skill-library methods typically treat tools as flat or text-indexed memories, causing prompt cost to grow with li
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안
