[논문리뷰] ProgAgent: Learning Tool Orchestration through Programmatic Training대규모 언어 모델(LLM)은 장기적인 오픈월드 도구 환경에서 도구 오케스트레이션에 어려움을 겪는다는 문제가 있습니다. 기존의 Direct Tool Calling (DTC) 방식은 모델 컨텍스트에 원본 도구 출력을 직접 누적하여 Context Rot 및 오케스트레이션 실패를 야기합니다.#Review#ProgAgent#Programmatic Tool Calling (PTC)#Direct Tool Calling (DTC)#Tool Orchestration#Long-Horizon Tasks#Environment State Scaling#Reinforcement Learning (RL)#Context Rot2026년 10월 14일댓글 수 로딩 중
[논문리뷰] LOCA-bench: Benchmarking Language Agents Under Controllable and Extreme Context Growth본 논문은 대규모 언어 모델(LLMs) 기반의 언어 에이전트가 실세계의 장기 실행 태스크를 수행할 때 발생하는 '컨텍스트 로트(context rot)' 현상, 즉 컨텍스트 길이가 증가함에 따른 성능 저하 문제를 해결하고자 합니다.#Review#Large Language Models#Language Agents#Long Context#Context Rot#Benchmarking#Context Management#Tool Use#Agent Evaluation#Dynamic Environments2026년 2월 9일댓글 수 로딩 중