# \#self-evolving-search-agents **URL:** https://discuss.pytorch.kr/tag/self-evolving-search-agents/6597.md [최신](https://discuss.pytorch.kr/latest.md) · [카테고리](https://discuss.pytorch.kr/categories.md) · [태그](https://discuss.pytorch.kr/tags.md) --- ## [\[2026/02/02 ~ 08\] 이번 주에 살펴볼 만한 AI/ML 논문 모음](https://discuss.pytorch.kr/t/2026-02-02-08-ai-ml/8947)
**Author:** [@9bow](https://discuss.pytorch.kr/u/9bow)\ **댓글:** 0\ **마지막 업데이트:** [2월 8, 2026, 10:30오후 UTC](https://discuss.pytorch.kr/t/2026-02-02-08-ai-ml/8947 "2026-02-08T22:30:52Z")
\[2026/02/02 ~ 08\] 이번 주에 살펴볼 만한 AI/ML 논문 모음 PyTorchKR​:fire::south\_korea: :thinking::thought\_balloon: :one: 데이터 의존도를 낮추는 "자체 진화(Self-Evolution)"와 "자기 교정": 외부의 고품질 데이터에만 의존하던 기존 학습 방식에서 벗어나, 모델 스스로 데이터를 생성하고 오류를 수정하며 성장하는 연구들이 두각을 나타내고 있습니다. Dr. Zero는 훈련 데이터 없이 제안자(Proposer)와 해결자(Solver) 에이전트 간의 상호작용만으로 검색 능력을 스스로 진화시키는 프레임워크를 선보였고, SDPO는 외부 정답지 없이 모델 자신의 산출물을 '자기 교사(Self-teacher)'로 삼아 코딩과 수학 능력을 강화했습니다. 또한 SALE은 테스트 단계에서 스스로 전략을 수정하는 자기 개선(Self-improvement) 메커니즘을 도입했습니다. 이는 데이터 부족 문제를 해결하고 모델의 자생력을 높이려는 시도로 해석됩니다. :two: 단일 모델을 넘어선 "구조적 효율성"과 "에이전트 협업": 모델의 크기(Depth)를 키우는 경쟁보다, 에이전트 간의 협업 방식(Width)이나 정보 처리 구조를 최적화하여 효율을 높이는 접근이 강세입니다. WideSeek-R1은 단일 에이전트의 한계를 극복하기 위해 작업을 병렬로 수행하는 '폭 확장(Width scaling)'을 제안했고, DeepRead는 문서를 단순히 읽는 것이 아니라 구조적 좌표를 인식해 필요한 부분만 찾아 읽는 효율적인 방식을 택했습니다. 또한 Idea2Story는 실시간 추론의 부하를 줄이기 위해 오프라인에서 미리 지식 그래프를 구축하는 방식을 사용하여, 무거운 연산 비용을 줄이면서도 복잡한 과학적 발견을 가능하게 했습니다. :three: "고차원적 지능" 검증과 인간 중심의 "영향력 평가": 평가의 기준이 단순한 정답 맞히기를 넘어, 실제 연구 수준의 문제 해결 능력이나 물리적/공간적 이해도, 그리고 인간에…