CAX-Agent는 MAPDL 유한요소 시뮬레이션 자동화를 위해 설계된 경량 에이전트 하네스로, 구조화된 실행 제어와 내결함성 복구 기능을 제공한다. LLM 서비스·에이전트 하네스·솔버 백엔드의 3개 레이어로 구성되며, 결정론적 규칙 패치부터 인간 개입까지 단계적으로 에스컬레이션하는 복구 사다리를 갖는다. 50개 구조 벤치마크 450회 실행에서 model_only 복구 전략이 완료율 0.927, 작업 점수 3.59/4를 달성하여 규칙 기반 및 복구 없는 전략을 대규모 효과 크기로 능가했다. 복구 정책이 LLM 기반 시뮬레이션 에이전트의 실용적 신뢰성에 결정적 역할을 함을 보여준다.
- •MAPDL FEM 자동화를 위한 도메인 특화 에이전트 하네스로 도구 생액주기 관리와 워크플로우 상태를 제어한다.
- •결정론적 규칙 패치 → 모델 주도 재생성 → 컨텍스트 풍부화 → 인간 개입으로 단계적으로 에스컈레이션하는 복구 사다리를 구성한다.
- •model_only 복구가 완료율 0.927, 제로 개입률 0.84로 규칙 기반 및 복구 없는 전략을 크게 능가했다.
- •두 독립적 평가자의 맹목 실를회 점수와 Cohen kappa 0.84로 평가 신뢰성을 검증했다.
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.
CAX-Agent: A Lightweight Agent Harness for Reliable APDL Automation
- 1.CAX-Agent는 MAPDL 유한요소 시뮬레이션 자동화를 위한 경량 에이전트 하네스 아키텍처
- 2.LLM 서비스·에이전트 하네스·솔버 백엔드 3레이어로 구성, 규칙 패치부터 인간 개입까지 복구 사다리 구현
- 3.50개 구조 벤치마크에서 모델 전용 복구 전략이 92.7% 완료율과 0.84 무개입율 달성
- 4.규칙 전용(77.3%) 및 복구 없음(69.3%) 전략 대비 압도적 성능 차이 확인
왜 중요한가?
공학 시뮬레이션 자동화에서 LLM 에이전트의 실용적 신뢰성을 높이는 복구 전략의 중요성을 입증하며, 산업용 AI 에이전트 설계에 중요한 시사점을 제공한다.
언급 프로젝트
본문 미리보기
arXiv:2605.15218v1 Announce Type: new Abstract: Large language models deployed for MAPDL finite-element simulation face practical reliability challenges: without structured execution control, tool encapsulation, and fault recovery, outputs may be inconsistent and task failures are common. The Agent Harness paradigm addresses this by inserting domain-specific orchestration middleware that manages tool lifecycles, workflow state, and recovery escalation. This paper presents the architecture of CA
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:10AI 초안

