그래프 엔지니어링Zhiyuan Li 외
CaSKG 공개
CaSKG 공개 — 에이전트 스킬 라이브러리 검색에서 전체 프롬프트 투입은 문맥이 과도하고 벡터 검색은 스킬을 독립적으로 다루며 그래프 검색은 간선 신뢰도가 높을 때만 워크플로 맥락을 회복한다고 지적하고, 의미·어휘·입출력·구조 근거로 고재현율 후보 그래프를 만든 뒤 방향 조건부 반사실 프로브로 스킬 쌍을 제거·치환·순서변경하고 베이즈 평활로 근거를 집계해 상태 필터링된 가중 유향 그래프를 오프라인 구축하는 방법을 제시
왜 중요한가
LLM이 뽑아낸 그래프 간선을 그대로 믿지 않고 반사실 개입으로 간선 가중치를 사후 보정한다는 갈래 — 그래프 검색의 고질적 약점으로 지목돼 온 간선 신뢰도 문제를 검색 이전 단계에서 다룬다. 저자 자체 보고로 6개 LLM에 걸쳐 Graph-of-Skills 대비 ScienceWorld 매크로 평균 72.62→80.50, ALFWorld 성공률 80.01%→86.79%이며 환경 스텝 수는 감소.
출처 — 1차 출처만 싣고, 직접 이동해 확인할 수 있어요
논문arxiv.orghttps://arxiv.org/abs/2608.255002026년 8월 31일에 더한 조각 · 그 주 보기
같은 주에 나온 조각08.30Agent Zero Memory 공개논문08.28'Automated researchers can reliably mitigate alignment failu…공식 발표08.28Sliding-window beats linear attention 공개논문08.27Model Hardware Standard(MHS) 리서치 프리뷰 공개공식 발표