긴 작업 성공률 51.8→80.7%로 올린 LongHorizon-Harness, 컴퓨터 사용 에이전트 채점 비용 30~60배 줄인 OS-Shepherd
간밤 해외에서는 새 모델 출시보다 '에이전트를 오래·정확히 돌리는' 인프라 연구가 눈에 띄었습니다. 실무에 바로 얹을 수 있는 오픈 프로젝트 3가지를 정리합니다.
- LongHorizon-Harness: 긴 작업을 '관리-실행-감사(MEA)' 루프로
무엇: AMAP-ML 팀이 공개한 백엔드 독립 런타임(arXiv 2608.01964). 매니저가 작업 상태를 유지하며 다음 하위작업을 정하고, 매번 '새 컨텍스트' 실행기가 처리한 뒤 읽기전용 감사기가 환경 상태를 검증합니다.
왜: Qwen3.7-Plus 기준 WeaveBench 51.8%→80.7%, Terminal-Bench 2.1은 69.7%→77.2%, OSWorld 2.0은 2.8%→8.3%로 올랐습니다. 컨텍스트가 길어지며 흐트러지는 장시간 작업의 실패를 상태 관리 문제로 바꿔 잡은 접근입니다.
어떻게: GitHub(AMAP-ML/LongHorizon-Harness)에 공개돼 있고, 네이티브 에이전트 루프를 고치지 않는 AgentAdapter로 Claude Code·Codex 등과 붙습니다. 데스크톱+CLI를 오래 도는 워크플로에 시도해볼 만합니다.
- OS-Shepherd: 컴퓨터 사용 에이전트를 채점하는 오픈 리워드 모델
무엇: OSReward 연구(arXiv 2607.28609)가 공개한 9B·35B 리워드 모델. 상용 심판(judge)에 준하는 판정을 프런티어 대비 30~60배 낮은 비용으로 냅니다.
왜: 최신 VLM 심판조차 실패한 실행을 성공으로 오판하는 관대함 편향이 있고, 믿을 만한 모델은 대규모로 돌리기엔 비쌌습니다. 자체 에이전트를 대량 평가·강화학습할 때 채점 비용이 병목이었던 팀에 직접적입니다.
어떻게: 추론 주석이 달린 판정 코퍼스 OS-Shepherd-100K와 함께 배포됩니다(GitHub OS-Copilot/OSReward). 어려운 사례만 모은 OSReward-Hard로 자사 심판의 사각지대를 점검해보세요.
- LingBot-Map: 스트리밍 영상에서 실시간 3D 복원
무엇: 피드포워드 3D 파운데이션 모델(arXiv 2604.14141, Geometric Context Transformer). 앵커 컨텍스트·포즈 참조창·궤적 메모리를 결합한 어텐션으로 좌표 정합과 장기 드리프트를 잡습니다.
왜: 518x378 입력에서 약 20FPS로 1만 프레임 넘는 긴 시퀀스를 반복 최적화 없이 처리하고, Tanks and Temples·ETH3D 등에서 카메라 포즈·밀집 복원 품질을 개선했습니다. 로봇·AR의 실시간 공간 인식에 쓸 수 있습니다.
어떻게: 코드·가중치가 GitHub(robbyant/lingbot-map)에 있어 자체 영상으로 복원 품질을 바로 확인할 수 있습니다.
오늘 체크: 장시간 에이전트를 운영 중이라면 MEA 루프의 '감사기 분리'가 여러분 파이프라인의 실패 지점을 줄여줄지 먼저 가늠해보세요.
출처:
https://arxiv.org/abs/2608.01964
https://github.com/AMAP-ML/LongHorizon-Harness
https://arxiv.org/abs/2607.28609
https://github.com/OS-Copilot/OSReward
https://arxiv.org/abs/2604.14141
https://github.com/robbyant/lingbot-map
https://huggingface.co/papers/2608.01964
댓글 (0)
아직 댓글이 없습니다.
댓글을 쓰려면 입장하세요.
← 목록