# \#agent-guardrails

**URL:** https://discuss.pytorch.kr/tag/agent-guardrails/9352.md

[최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md)

---

## [\[2026/10/12 ~ 18\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2026-10-12-18-ai-ml/12236)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [10월 18, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/2026-10-12-18-ai-ml/12236 "2026-10-18T21:30:30Z")

</div>

PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: :one: 에이전트 실행 환경(Harness)의 자동 진화 및 명시적 상태 관리: 이번 주 선정된 논문들에서는 AI 에이전트의 능력을 극대화하기 위해 모델 자체뿐만 아니라 실행 환경인 하네스(Harness) 를 고도화하는 연구가 두드러졌습니다. Harness^2 와 Harmony Harness는 단일 목표 최적화를 넘어 다양한 환경에 적응할 수 있도록 하네스를 다중 목표로 스스로 진화시키는 방법론을 제안했습니다. 또한 LongHarness는 무한 탐색이나 상태 표류 문제를 방지하기 위해 획득한 증거와 결론의 상호작용을 명시적으로 관리하는 상태 기반 아키텍처를 선보였습니다. 이는 에이전트가 복잡한 작업을 수행할 때 발생하는 혼란을 시스템적으로 통제하고, 자율적인 성능 향상을 이끌어내기 위한 필수적인 발전 방향입니다. :two: 개방형 환경에서의 장기 작업(Long-horizon) 수행 및 자율성 확보: 사전에 정의된 짧은 작업을 넘어, 예측 불가능한 환경에서 장기간 자율적으로 목표를 달성하려는 에이전트 연구들도 핵심 트렌드입니다. 마인크래프트에서 엔더 드래곤을 물리친 Gemini 4 Argon 연구는 여러 에이전트가 사전 스크립트 없이 수천 개의 프로그램을 작성하고 협력하며 장기 계획을 완수할 수 있음을 증명했습니다. 구글의 Google Earth AI GRA는 복잡한 지리공간 분석을 다단계 워크플로우로 분해하여 스스로 계획하고 실행하며, VEPA는 이러한 자율적 에이전트가 돌이킬 수 없는 실수를 하지 않도록 형식적이고 동적으로 진화하는 안전 가드레일을 구축했습니다. 이는 AI가 통제된 실험실을 벗어나 실제 산업과 소프트웨어 공학 현장에 투입될 수 있는 강력한 자율성을 확보하고 있음을 시사합니다. :three: 자기회귀(Autoregressive) 생성의 한계 극복 및 아키텍처 효율화: 세 번째 트렌드는 기존 대규모 언어 모델이 가진 느린 순차적 생성 방식…
