Context는 Magarshak Architecture의 지능 레이어로, 수동 쿼리-응답 챗봇을 사용자 프롬프트 없이 목표를 향해 능동적으로 진행하는 에이전트로 전환한다. 쓰기 시점 컨텍스트 조립으로 KV 캐시 재사용률 약 100%를 달성하고, LM이 생성한 실행 프로그램 라이브러리를 실행 시 LM 추가 호출 없이 운영하며, 능동 목표 스트림 상태 기계가 그래프 상태를 점검해 사용자 입력 없이도 대화를 종료 상태로 유도한다. 능동 우세 정리(reactive 대비 weak dominance) 등 6개 형식 결과를 증명하며 Qbix/Safebox/Safebots 오픈소스 스택에 구현됐다.
- •쓰기 시점 컨텍스트 조립으로 KV 캐시 재사용률 약 100%를 달성해 반복 LM 호출 비용 대폭 절감.
- •LM이 생성한 실행 프로그램을 컴포저블 라이브러리로 관리, 실행 시 LM 추가 호출 없이 운영.
- •능동 우세 정리: 능동 에이전트가 대화 목표 도달 횟수에서 반응형 에이전트 대비 약 우세(weakly dominant)임을 수학적으로 증명.
Context: Proactive Goal-Directed Intelligence via Composable Sandboxed Programs, Declarative Wiring, and Structured Interaction
- 1.Context(Magarshak 아키텍처)는 사용자 프롬프트 없이 목표 달성을 향해 능동적으로 대화를 진행하는 에이전트 인텔리전스 레이어
- 2.작성 시점 컨텍스트 조립으로 KV-캐시 재사용 ~100% 달성, 컴포저블 샌드박스 프로그램으로 실행 시 LM 추론 없이 동작
- 3.능동적 에이전트가 목표 도달 기대 턴 수에서 반응적 에이전트를 약우위(weak dominance)함을 6개 정형 결과로 증명
왜 중요한가?
기존 챗봇의 반응적 패러다임을 벗어나 에이전트가 목표 상태로 능동적으로 대화를 이끄는 아키텍처를 오픈소스(Qbix/Safebox/Safebots)로 구현하고 수학적으로 정당화한 실용적 참조 아키텍처다.
본문 미리보기
arXiv:2605.23928v1 Announce Type: new Abstract: We present Context, the intelligence layer of the Magarshak Architecture, which replaces reactive query-response chatbots with proactive goal-directed agents that advance shared tasks without waiting for user prompts. The architecture rests on three mutually reinforcing mechanisms. Write-time context assembly precomputes enriched typed attributes via Groker agents, assembling interaction context as a deterministic pure function of graph state; con
전체 내용이 궁금하다면?
원문을 직접 읽어보세요