[논문리뷰] Apodex 1.1: Scaling Agentic Intelligence for Complex Work

링크: 논문 PDF로 바로 열기

메타데이터

저자: Apodex Team, B. An, B. Li, et al.

---

1. Key Terms & Definitions (핵심 용어 및 정의)

• Working Capability: 단순한 응답 생성 단계를 넘어, 실세계 환경(File, Search, Code)에서 장기적인 목표를 향해 상태를 유지하며 실패를 복구하고 검증 가능한 결과물을 도출하는 역량.
• Environment Scaling: 다양한 파일, 검색, 코드 환경을 체계적으로 확장하여 모델이 학습할 수 있는 실행 가능한 궤적(Executable Trajectories)의 다양성과 충실도를 높이는 기법.
• Agentic Coordination Scaling: 작업을 세분화(Decomposition)하고, 병렬적으로 위임(Delegation)하며, 비동기 결과를 통합하고 계획을 수정하는 모델의 조직적 행동을 학습시키는 방법론.
• AgentOS: 장기적인 작업 수행을 위해 워크스페이스 상태, 도구 실행, 도구 간 데이터 일관성, 그리고 에이전트 간 협업 상태를 지속적으로 유지하는 실행 기판(Execution Substrate).
• Heavy-Duty Solver: 본 논문이 지향하는 궁극적인 목표로, 장기적이고 복잡한 과업에 대해 책임지고 수행하여 검증 가능한 결과물을 내놓는 에이전트 시스템.

2. Motivation & Problem Statement (연구 배경 및 문제 정의)

본 논문은 일반적인 언어 모델이 추론과 지식 합성에는 뛰어나지만, 실제 업무의 핵심인 '장기적인 작업 수행'에는 한계가 있다는 점을 지적한다. 기존의 인공지능 모델들은 단발성 질문-응답에는 능숙하지만, 복잡한 실세계 작업에서 필수적인 파일 조작, 외부 정보 검색, 코드 실행 및 디버깅, 그리고 중단된 상태에서의 계획 복구와 같은 능력이 부족하다 [Figure 1]. 이러한 문제의 근본 원인은 모델의 추론 능력 부재가 아니라, 환경과 상호작용하며 상태를 보존하고 검증 가능한 결과물로 이어지는 '실행 능력'의 부재에 있다. 저자들은 이 문제를 해결하기 위해 '완성된 작업(Completed Work)' 자체를 모델의 단위로 정의하고, 이를 강화하기 위한 새로운 설계 원칙을 제시한다.

3. Method & Key Results (제안 방법론 및 핵심 결과)

저자들은 작업 수행 능력을 향상하기 위해 Environment Scaling과 Agentic Coordination Scaling이라는 두 가지 보완적인 차원을 제안한다 [Figure 2]. Environment Scaling은 파일, 검색, 코드 환경의 다양성을 극대화하여 모델이 다양한 상황에서 검증 가능한 학습 데이터를 습득하게 하며, Agentic Coordination Scaling은 다중 에이전트 간의 분업, 결과 통합, 동적 재계획을 학습시켜 복잡한 업무를 체계적으로 조직한다. 이 모든 과정은 AgentOS와 공유 실행 하네스(Shared Execution Harness)를 통해 상태가 지속적으로 유지된다. 학습은 대규모 SFT(Supervised Fine-Tuning)와 PIVOT-RL(Localized Optimization at Consequential Decisions)이라는 강화 학습 기법을 통해 구현된다. 정량적 실험 결과, 35B-parameter 규모의 Apodex 1.1 Mini 모델은 모델 크기 대비 뛰어난 효율성을 보이며, 전문적인 금융, 과학 연구, 코딩 과업에서 기존 Frontier 시스템과 대등한 성능을 기록하였다. 특히, 긴 호흡의 작업(Long-horizon work)에서 모델은 단순히 정답을 내놓는 것을 넘어, 중간 단계의 실패를 자동으로 복구하고 최종 검증 가능한 아티팩트를 성공적으로 도출하는 능력을 입증하였다.

4. Conclusion & Impact (결론 및 시사점)

본 논문은 에이전트 지능을 단순히 모델의 크기나 추론 능력의 확장이 아닌, 실행 환경과 조정 능력의 확장으로 재정의한다. Apodex 1.1은 모델의 일반적인 추론 능력과 실제 업무 수행 능력을 유기적으로 결합하여, 실질적인 'Heavy-Duty Solver'로 나아가는 이정표를 제시하였다. 이 연구는 앞으로의 인공지능 시스템이 복잡한 프로페셔널 워크플로우를 어떻게 자율적으로 처리할 수 있는지에 대한 설계 표준을 제공한다. 학계와 산업계는 본 연구를 통해 단순한 텍스트 생성을 넘어, 실제 생산성 도구로서의 에이전트 모델을 구축하는 데 필요한 실질적인 프레임워크를 얻게 될 것이다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.