# \#adala **URL:** https://discuss.pytorch.kr/tag/adala/8486.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [Adala: 정답 데이터로 스스로 학습하는 자율 데이터 라벨링 에이전트 프레임워크](https://discuss.pytorch.kr/t/adala/11240)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 15, 2026, 3:30오전 UTC](https://discuss.pytorch.kr/t/adala/11240 "2026-07-15T03:30:04Z")
Adala 소개 Adala는 이름 그대로 Autonomous DAta (Labeling) Agent, 즉 자율 데이터 라벨링 에이전트를 만들기 위한 프레임워크입니다. 데이터 처리, 특히 다양한 형태의 데이터 라벨링 작업에 특화된 에이전트를 구현하는 데 초점을 맞추고 있습니다. 대규모 데이터셋에 라벨을 붙이는 작업은 반복적이고 비용이 많이 드는데, Adala는 이 과정을 사람이 직접 규칙을 다듬는 대신 에이전트가 스스로 학습하며 개선하도록 설계했습니다. Adala 에이전트가 자율적이라는 것은, 사람이 매번 프롬프트를 손보지 않아도 에이전트가 하나 이상의 스킬(skill)을 반복 학습으로 스스로 습득한다는 의미입니다. 이 학습 과정은 에이전트가 놓인 환경(environment)과 관찰, 반영(reflection)에 영향을 받습니다. 사용자는 정답 데이터셋(ground truth dataset)을 제공해 환경을 정의하고, 에이전트는 이를 기준으로 자신의 예측을 검증하며 스킬을 다듬습니다. 각 에이전트가 스킬을 학습하고 적용하는 실행 공간을 Adala에서는 런타임(runtime)이라 부르며, 이는 LLM과 같은 의미로 사용됩니다. Adala는 AI 엔지니어가 모듈화된 스킬로 프로덕션 수준의 에이전트 시스템을 설계하거나, 머신러닝 연구자가 복잡한 문제 분해와 인과 추론을 실험하거나, 데이터 과학자가 파이썬 노트북에서 대용량 데이터프레임을 전처리·후처리하는 등 다양한 용도로 활용할 수 있습니다. 본 게시물에서는 Adala의 자율 학습 방식과 스킬 실행 구조, 그리고 설치 및 기본 사용법을 정리합니다. Adala의 자율 학습 방식 Adala의 핵심은 에이전트가 정답 데이터를 기준으로 자신의 스킬을 반복해서 개선하는 학습 루프에 있습니다. 아래 그림은 분류(Classification) 스킬을 학습하는 과정을 보여줍니다. 학습 단계에서 환경은 입력으로 작동하며 에이전트에 정답 데이터셋을 제공합니다. 에이전트는 현재 스킬의 지시문(instructions)에 따…