# \#second-order-adaptive-preconditioning **URL:** https://discuss.pytorch.kr/tag/second-order-adaptive-preconditioning/8648.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [\[2026/07/20 ~ 26\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2026-07-20-26-ai-ml/11419)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [7월 26, 2026, 9:30오후 UTC](https://discuss.pytorch.kr/t/2026-07-20-26-ai-ml/11419 "2026-07-26T21:30:49Z")
\[2026/07/20 ~ 26\] 이번 주에 살펴볼 만한 AI/ML 논문 모음 PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: 이번 주 선정된 논문들을 살펴본 결과, 더 큰 모델보다 하네스로 에이전트를 안전하게 묶는 방식을 통한 실질적 적용, 모델 학습 파이프라인을 고도화 및 정밀화하는 흐름 등을 살펴볼 수 있었습니다. 주요 내용은 다음과 같습니다: :one: 에이전트 실행 환경을 통제하는 '하네스(Harness)' 및 프로토콜의 부상: 이번 주 연구들에서는 AI 에이전트가 소프트웨어와 물리적 세계에서 안정적으로 작동하도록 돕는 미들웨어, 즉 하네스(Harness) 의 중요성이 크게 대두되었습니다. Harness Engineering for Physical AI는 로봇의 제어와 통신을 중재하는 하네스 계층의 필요성을 역설했고, DataFlow-Harness는 에이전트가 자유 형식의 코드가 아닌 플랫폼에 종속된 구조적 데이터 파이프라인을 구축하도록 유도하여 신뢰성을 높였습니다. 또한 Harness Handbook은 복잡하게 얽힌 하네스 코드를 에이전트가 쉽게 이해하고 수정할 수 있도록 돕는 방법론을 제안했으며, Intelligent AI Delegation은 에이전트 간의 권한과 책임을 명확히 하는 위임 프로토콜을 설계했습니다. 이는 에이전트의 단편적인 능력을 키우는 것을 넘어, 이를 실세계 시스템에 안전하고 통제 가능하게 통합하려는 인프라적 접근입니다. :two: 단순 스칼라 보상을 넘어서는 학습 패러다임과 최적화의 과학화: 대규모 언어 모델의 훈련 및 사후학습 과정에서 기존 강화학습(RL)이나 최적화 기법의 한계를 극복하려는 시도도 돋보였습니다. LLM-as-a-Coach는 기존 RL이 스칼라 보상으로 압축하며 놓치던 풍부한 텍스트 피드백을 '경험적 지식'으로 증류하여 모델에 전달함으로써 학습 효율과 일반화 성능을 크게 끌어올렸습니다. 또한 Understanding Reasoning from Pretr…