에이전트가 스스로를 개선하는 방식은 더 이상 단순한 프롬프트 수정에 머물지 않는다. 프롬프트, 루브릭, 계획, 도구 계약, 예시, 검증기, 트레이스까지 고쳐가며 성능을 올리는 흐름에서, 문제는 편집 후보가 서로 독립적인 좌표가 아니라는 점이다. 이번 arXiv 프리프린트는 이런 기술 편집을 위한 수학적 틀로 LASKO(Lie Algebroid SKill Optimization)를 제안한다. 핵심은 편집의 ‘보이는 효과’와 ‘숨은 구조’를 분리해 다루는 것이다.
논문은 타입이 붙은 마크다운 스킬을 기반 객체로 놓고, 가능한 편집 정책을 제어된 리 대수의 단면으로 본다. 여기서 앵커 ρ는 편집 정책을 문서에 드러나는 변화로 보내고, ker(ρ)는 템플릿 변수·라우팅·구현 세부처럼 즉시 보이지 않는 구조를 뜻한다. 또 리 대수 괄호는 두 편집의 비가환성, 곧 순서 민감성을 측정하는 지표로 쓰인다. schema를 먼저 고치고 그다음 정규화 규칙을 만지는 경우와, 반대로 적용하는 경우가 같지 않을 수 있다는 문제의식이다.
저자는 이 틀의 장점이 비싼 검증 호출을 줄이는 데 있다고 본다. 예비 벤치마크에서 LASKO는 마이크로초 단위로 도는 리 괄호 선별 검사로 후보를 먼저 거르고, 그 뒤에 대형 언어모델을 돌리는 검증에만 비용을 쓰는 방식으로 작동했다. 자연어 causal extraction 과제에서는 DeepSeek V3.1 4-bit, 671B 파라미터 모델로 모든 편집을 검증하는 무차별 접근 대비 약 15배의 속도를 보였다고 보고한다.
본문의 실험 부분은 단순한 “속도만”의 이야기가 아니다. WaPo coffee 과제에서는 무차별 ordered-pair 검증이 73회 served validation으로 점수 1.000을 냈고, PSR-LASKO는 72회의 저비용 bracket probe와 19회의 served validation으로 같은 점수 1.000에 도달했다. bracket probe 총 시간은 0.000508초, served validation 19회의 총 시간은 122.086초였고, 평균 served latency는 6.426초였다. 같은 데이터에서 모델별 LASKO 속도 향상은 3.69배에서 14.85배까지, 평균 6.94배로 집계됐다.
| 과제/모델 | 비용·검증 수 | 점수/속도 |
|---|---|---|
| WaPo coffee PSR-LASKO | 72 bracket probes, 19 served validations; brute-force 73 served validations | score 1.000; 0.000508 s bracket total, 122.086 s served total |
| DeepSeek V3.1 4-bit, 671B parameters | vanilla 538.1 s vs LASKO 36.2 s | score 0.578; speedup 14.85× |
| Nemotron 70B 8-bit | vanilla 712.4 s vs LASKO 86.0 s | score 0.474; speedup 8.28× |
| gpt-oss 20B MXFP4-Q8 | vanilla 1210.7 s vs LASKO 328.0 s | score 1.000; speedup 3.69× |
자료: STORIUM 정리
이 결과가 겨냥하는 범위는 명확하다. 논문은 마크다운으로 표현된 구조화 작업에서, 편집의 순서 의존성과 숨은 상태를 먼저 가늠한 뒤 값비싼 검증을 배치하는 문제를 다룬다. 따라서 제안은 일반적인 스칼라 점수 최적화가 아니라, 앵커가 붙은 워크플로와 검증-크리틱 루프를 가진 에이전트 편집에 맞춰져 있다. 정리하면, LASKO는 “무엇을 고칠지”보다 “어떤 순서의 편집이 검증할 가치가 있는지”를 싸게 판별하는 쪽에 무게를 둔다.
1차 출처: https://arxiv.org/abs/2607.11493
저작권자 © STORIUM 무단전재 및 재배포 금지
