# \#experiment-automation

**URL:** https://discuss.pytorch.kr/tag/experiment-automation/7228.md

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

---

## [Deep Researcher Agent: 잠든 사이에도 24시간 딥러닝 실험을 자율 수행하는 LLM 에이전트 프레임워크](https://discuss.pytorch.kr/t/deep-researcher-agent-24-llm/9730)

<div class="topic-metadata">

**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\
**댓글:** 0\
**마지막 업데이트:** [4월 15, 2026, 6:30오전 UTC](https://discuss.pytorch.kr/t/deep-researcher-agent-24-llm/9730 "2026-04-15T06:30:45Z")

</div>

Deep Researcher Agent 소개 Deep Researcher Agent는 도쿄대학교(The University of Tokyo)의 Xiangyue Zhang이 공개한, 딥러닝 실험을 24시간 자율적으로 수행하는 LLM 에이전트 프레임워크입니다. 논문 작성이나 코드 생성에 초점을 맞춘 기존 AI 연구 보조 도구들과 달리, 이 프로젝트는 가설 수립(hypothesis formation), 코드 구현, 학습 실행, 결과 분석, 그리고 반복적인 개선이라는 실험의 전체 수명 주기(full experiment lifecycle)를 대상으로 합니다. 연구자가 잠을 자거나 휴가를 떠난 사이에도 에이전트가 대신 하이퍼파라미터를 탐색하고, 학습을 실행하며, 로그를 해석해 다음 실험을 계획하는 방식으로 동작합니다. 실제 공개된 수치에 따르면 4개의 연구 프로젝트에서 500회 이상의 자율 실험 사이클을 수행했고, 한 프로젝트에서는 200회 이상의 자동 실험을 통해 기준선(baseline) 대비 52%의 지표 개선을 달성했다고 보고되어 있습니다. Deep Researcher Agent 프로젝트가 주목받는 이유는, LLM 에이전트를 24시간 상주시킬 때 가장 큰 걸림돌이었던 비용(cost) 문제를 정면으로 다뤘다는 점입니다. 대부분의 에이전트 프레임워크는 학습이 진행되는 동안에도 수 분 간격으로 LLM을 호출해 "지금 잘 돌아가고 있는지"를 점검하기 때문에 하루에 수십 달러 이상의 API 비용이 발생합니다. Deep Researcher Agent는 학습 중에는 LLM을 호출하지 않고 kill -0 $PID나 nvidia-smi, 로그 파일 tail 같은 운영체제 수준의 점검만 수행하는 Zero-Cost Monitoring 구조를 채택해, 8시간 학습을 포함한 24시간 사이클의 평균 LLM 비용을 $0.08 수준까지 낮췄다고 기술 보고서(Technical Report)에 명시되어 있습니다. LLM Active …
