오케스트레이션3 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. 모델 안 바꾸고 토큰 41% 줄였다? Writer 하네스 효과 논문 상세 해설 (2026) AI 에이전트를 쓰다 보면 이상한 일이 생긴다. 더 똑똑하다는 모델로 갈아탔는데 청구서가 안 줄어든다. 오히려 늘기도 한다. 왜일까?AI 기업 Writer의 연구가 답을 준다. 문제는 모델이 아니라 모델을 감싸서 돌리는 방식이라는 것이다. 이 "감싸는 껍데기"를 하네스(harness)라고 부른다. 논문 제목이 그대로 결론이다. The Harness Effect — 하네스만 잘 바꿔도 토큰은 38%, 비용은 41% 줄었다.원문: The Harness Effect (arXiv:2607.06906), AI타임스 보도 기준. 하네스가 뭔데?비유하면 이렇다. 요리사(모델)가 아무리 실력이 좋아도, 주방 동선이 엉망이면 요리가 느리고 재료가 낭비된다. 하네스는 그 주방 동선이다. 모델에게 무엇을 언제 넣어주고, 어.. 2026. 7. 23. 이전 1 다음
