방금 배운 내용을 잊지 마세요: 자기주도형 수리는 에이전트의 실수를 지속적인 학습으로 전환합니다

arXiv:2610.31846v1 발표 유형: 신규 초록: 지능형 에이전트는 자신의 실수로부터 학습하여, 경험을 통해 지속적인 개선으로 이어질 수 있어야 합니다. 그러나 오늘날의 에이전트들은 실수에서 벗어나더라도 그 효과가 일시적일 뿐입니다. 인컨텍스트 내 반성은 세션 간에 쉽게 잊히고 제한된 컨텍스트 자원과 경합하며, 전체 파라미터 미세조정은 비용이 많이 들고 기존 능력에 간섭할 수 있습니다. 우리는 일시적인 인컨텍스트 재시도와 정책 업데이트의 장점을 결합한, 에이전트가 실수로부터 학습하는 메커니즘인 ‘셀프 디렉션’을 제안합니다. 에이전트가 작업에 실패하면, 스스로의 행동 경로를 되돌아보며 교훈을 도출하고 이를 즉각적으로 경량화된 저랭크 어댑터로 축약합니다. 원래 가중치를 고정해 두면, 셀프 디렉션은 어댑터 학습이 과도하게 덮어쓰는 것을 방지합니다.