🚀 AI 연구소/AI 트렌드 & 뉴스56 Arize AI Builder Meetup 후기: AI 도입의 병목은 모델이 아니라 평가·권한·운영이었다 AI 에이전트 발표라면 보통 더 좋은 모델, 더 정교한 프롬프트, 더 많은 자동화를 기대한다. 2026년 7월 서울에서 열린 Arize AI Builder Meetup의 세 발표는 오히려 그다음을 이야기했다.이미 만들 수 있는데 왜 현장에서는 잘 작동하지 않는가. 환각을 줄였는데 왜 고객은 더 싫어하는가. 같은 개발자가 사이드 프로젝트에서는 빠른데 회사에서는 느린 이유는 무엇인가. PoC가 성공했는데 왜 실제 배포와 사용으로 이어지지 않는가.세 발표를 관통한 문장은 이것이었다.이제 병목은 AI를 만드는 기술보다, AI가 실제로 일할 수 있는 평가·맥락·권한·운영 환경에 있다.공식 행사 페이지에 확인되는 세션과 연사는 다음과 같다.세션연사Arize Observe 2026 후기: 지속 가능한 AI Agent.. 2026. 7. 26. MasRouter(ACL 2025): 협업모드·역할·모델을 학습으로 라우팅하는 MASR (arXiv 2502.11133) 멀티에이전트를 켜두면 비용이 무섭게 오른다. 역할 3개 × 각각 여러 번 모델 호출. 그런데 생각해보면 이상하다. "1+1은?" 같은 쉬운 질문에도 토론 5인조를 붙이면 낭비 아닌가? 반대로 어려운 질문에 혼자 붙이면 틀린다.ACL 2025 논문 MasRouter는 이 문제를 정면으로 정의한다. 질문마다 팀을 어떻게 꾸릴지를 자동으로 정하는 라우터다. 단순히 "이 질문에 어떤 모델?"이 아니라 "협업 방식 + 역할 구성 + 각 역할의 모델"을 통째로 고른다.원문: arXiv:2502.11133 (ACL 2025) · 코드: yanweiyue/masrouter 기존 라우터가 못 보던 것예전 LLM 라우터는 단일 에이전트 세계의 질문만 풀었다. "이 쿼리는 GPT? Claude? 아니면 작은 모델?" 비용은.. 2026. 7. 25. Think Big, Search Small: 검색 에이전트는 메인에 큰 모델, 서브는 작게 (arXiv 2607.07548) 검색형 AI 에이전트를 만들 때 거의 모두가 하는 실수가 있다. 메인 에이전트도 최신 대형 모델, 검색 서브도 같은 대형 모델. "둘 다 비싸니까 성능이 좋겠지"라는 직관이다. 2026년 7월 논문 Think Big, Search Small은 이 직관을 통제 실험으로 정면 반박한다. 결론이 제목에 다 있다. 생각(위임)은 크게, 검색(실행)은 작게.원문: arXiv:2607.07548 문제: 용량을 어디에 써야 하나계층형 검색 에이전트는 보통 이렇게 돈다. 메인이 복잡한 질문을 작은 서브쿼리로 쪼개고, 서브들이 각자 검색해서 보고서를 올린다. 그런데 예산(모델 크기)은 한정돼 있다. 메인에 몰까, 서브에 몰까? 아무도 진지하게 안 따져봤다는 게 이 논문의 출발점이다.일상 비유로: 리서치 팀에 시니어 한 .. 2026. 7. 25. AOrchestra 해설: 서브 에이전트를 (Instruction·Context·Tools·Model)로 즉석 생성하는 법 (2026) 에이전트 시스템을 처음 짜면 대부분 이렇게 한다. "코더 에이전트, 검색 에이전트, 리뷰어 에이전트"를 미리 정의한다. 조직도를 그리듯 역할을 고정하는 것이다. 편하다. 그런데 실제 업무는 조직도대로 오지 않는다. "이번엔 PDF 3개 대조해서 표로 뽑아줘" 같은 게 오면, 어느 상설 부서에도 안 맞는다.AOrchestra(2026)는 이 "상설 부서" 방식을 버린다. 대신 일이 올 때마다 딱 맞는 임시 담당자를 즉석에서 만든다. 그 담당자를 정의하는 공식이 이 논문의 전부다.원문: arXiv:2602.03786 · 코드: FoundationAgents/AOrchestra 한 공식만 기억하면 된다에이전트 = ⟨지시문, 맥락, 도구, 모델⟩(Instruction, Context, Tools, Model) .. 2026. 7. 25. 이전 1 2 3 4 ··· 14 다음
