# \#recevolve **URL:** https://discuss.pytorch.kr/tag/recevolve/9069.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [\[2026/08/31 ~ 09/06\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2026-08-31-09-06-ai-ml/11840)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [9월 6, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/2026-08-31-09-06-ai-ml/11840 "2026-09-06T21:30:05Z")
PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: 이번 주 선정된 논문들을 살펴본 결과, 다음과 같은 주요 트렌드를 확인할 수 있었습니다: :one: 단순 생성을 넘어서는 장기 지평 및 복잡한 과제 해결: 이번 주 선정된 논문들을 살펴보면, 대규모 언어 모델이 단발성 답변을 넘어서 장기간에 걸쳐 복잡한 작업을 수행하는 에이전트로 진화하고 있습니다. 예를 들어, 프라임 에이전트(Prime Agent) 와 하네스 오브 하네스(Harness-of-Harness) 는 코딩 에이전트가 사람의 개입 없이 오랜 시간 동안 소프트웨어를 자율적으로 개발하고 개선할 수 있는 작업 환경을 제안했습니다. 또한 렉-이볼브(RecEvolve) 는 추천 시스템의 아이디어 제안부터 코드 구현 및 평가까지의 연구 전체를 에이전트 시스템에 위임하여 모델 성능을 성공적으로 향상시켰습니다. 이는 인공지능이 복잡하고 호흡이 긴 과제를 독립적으로 완수하는 실질적인 시스템으로 안착하고 있음을 보여줍니다. :two: 에이전트 역량을 극대화하는 실행 인프라 및 환경 혁신: 모델 자체의 성능뿐만 아니라, 모델 외부의 실행 환경과 인프라를 체계화하고 진화시키려는 연구도 주요 흐름입니다. 터미널 유니버스(Terminal-Universe) 는 기존의 에이전트 실행 기록을 재사용 가능한 실행 환경으로 변환하여 유용한 학습 데이터를 폭넓게 확장하는 방법을 제시했습니다. 더 나아가 하네스데브(HarnessDev) 는 모델이 스스로 실행 가능한 인프라를 만들고 발전시킬 수 있는지를 직접 평가하였습니다. 이와 더불어 스크롤(Scroll) 과 스킬집(SkillZip) 은 방대한 상호작용 기록과 확장 가능한 에이전트 스킬 라이브러리를 효율적으로 관리하는 새로운 접근법을 선보였습니다. 이러한 연구들은 안정적이고 유연한 실행 인프라가 에이전트의 실제 성공을 결정짓는 필수 기반임을 시사합니다. :three: 자기 개선 능력과 내부 구조에 대한 심도 있는 탐구: 시스템이 …