Paper Review09.152026-09-15 09:0017 min read
[논문 리뷰] EvoSafeHarness — agent safety harness를 배포 환경별로 진화시키기
EvoSafeHarness 논문을 통해 agent 보안을 고정 guardrail이 아니라 모델·도메인별 runtime harness 최적화 문제로 본다.
#eval
12 posts tagged
Paper Review08.222026-08-22 09:0013 min read
[논문 리뷰] MidTool — tool-use는 post-training만으로 해결되지 않는다
MidTool을 통해 일반 도구 사용 능력을 mid-training 데이터 합성 문제로 보는 관점을 정리한다.
Paper Review08.112026-08-11 09:0013 min read
[논문 리뷰] TEPA — 오래된 agent memory를 철회하는 법
TEPA는 장기 메모리 에이전트에서 오래된 기억을 삭제가 아니라 철회 가능한 evidence state로 다루는 방법을 제안한다.
Paper Review08.082026-08-08 09:0016 min read
[논문 리뷰] TRAJDEBUG — long-horizon agent trajectory에서 첫 치명 오류 찾기
TRAJDEBUG는 장기 agent 실패에서 최종 증상이 아니라 실패를 만든 최초 critical error step을 evidence 기반으로 찾는 프레임워크다.
Paper Review08.012026-08-01 09:0014 min read
[논문 리뷰] ORCA-bench — oncall RCA agent는 코딩 벤치마크와 다르다
ORCA-bench는 oncall RCA agent 평가를 코드 패치가 아니라 telemetry·source·모호한 장애 신고를 엮는 진단 문제로 다룬다.
Paper Review07.282026-07-28 09:0014 min read
[논문 리뷰] The Regression Tax — agent skill은 추가할수록 좋아질까
agent skill library는 평균 성공률만 보면 위험하다. skill이 만드는 gain과 regression을 분리해 운영해야 하는 이유를 정리한다.
Paper Review06.292026-06-29 09:0017 min read
[논문 리뷰] BINEVAL — LLM 평가를 점수가 아니라 질문으로 쪼개기
BINEVAL은 LLM 평가 기준을 원자적인 yes/no 질문으로 분해해, 불투명한 단일 점수 대신 디버깅 가능한 평가 신호와 prompt 개선 루프를 만든다.
Paper Review06.252026-06-25 09:0015 min read
[논문 리뷰] Plans Don't Persist — 에이전트의 계획은 생각보다 오래 남지 않는다
Plans Don't Persist는 장기 실행 에이전트에서 계획이 모델 내부 상태로 유지되지 않고 context에 의존한다는 점을 측정한다.