결론 먼저
LLM 에이전트 논문을 처음 따라가는 분들을 위한 허브입니다. 개별 글을 최신순으로만 두면 검색엔진과 독자가 흐름을 잡기 어렵습니다. 이 페이지는 관련 글을 한 주제로 묶어, 검색 유입과 내부 링크를 동시에 강화하기 위한 주제 클러스터입니다.
| 묶음 | 내용 |
|---|---|
| 주제 | LLM 에이전트 논문 모음 |
| 목적 | 관련 글 내부 링크 강화와 검색형 탐색 경로 제공 |
| 기준일 | 2026-09-13 |
| 포함 글 수 | 18개 |
| 원본 목록 | https://conanssam.com/posts |
추천 글
| 글 | 날짜 | 검색 요약 |
|---|---|---|
| Hugging Face가 에이전트에게 훈련을 맡긴다: 코딩 에이전트 SFT 실전 튜토리얼 | 2026-07-28 | |
| 실전에서 에이전트가 쓴 코드는 인간보다 더 자주 바뀐다 - 110,000 PR 분석 결과 | 2026-04-05 | arXiv 2604.00917 논문을 바탕으로 5개 코딩 에이전트의 오픈소스 기여를 분석하고, 에이전트 코드의 churn rate, survival rate, 그리고 실전 |
| LLM 에이전트 안전성의 새로운 패러다임: 5개 격리 경계로 보는 시스템 안전 | 2026-07-16T07:00:00+09:00 | |
| LLM 에이전트를 위한 RL 환경 설계: 에이전트 용어사전과 환경 분류학 | 2026-05-27 | 에이전트 RL 훈련 환경의 구성 요소(태스크, 하네스, 검증기, 상태, 설정)를 체계적으로 정리하고, 하네스·스캐폴딩·정책 등 에이전트 핵심 용어를 명확히 정의함. |
| AI 에이전트로 돈을 번다는 것: HyperAgent 인터뷰에서 건질 7가지 | 2026-05-03 | Greg Isenberg와 Airtable 공동창업자 Howie Liu의 HyperAgent 인터뷰를 뉴스레터 인터뷰 형식으로 재구성했습니다. |
| 자기 개선하는 AI 에이전트: 현대 에이전트 시스템의 자가진화 아키텍처 전망 | 2026-07-17 | |
| Code as Agent Harness: 코드가 에이전트의 하네스가 될 때 — 102쪽 서베이 논문 리뷰 | 2026-05-20 | UIUC·Meta·Stanford 공동으로 발표한 102쪽 서베이 논문 ‘Code as Agent Harness’를 정리합니다. 코드가 단순한 생성물이 아니라 에이전트의 |
| Agent Lightning v1.0 — 하네스가 곧 학습 환경이 되는 시대 | 2026-08-29 | 마이크로소프트 Agent Lightning v1.0 논문 정리. 하네스가 환경 루프를 소유하고 트레이너는 LLM 요청-응답만 보는 harnessed agentic RL의 |
| AgentDebugX: LLM 에이전트가 실패할 때 디버깅하는 올바른 방법 | 2026-07-22 | |
| AgentCompass: LLM 에이전트 평가 인프라의 표준화 | 2026-07-19 | AgentCompass는 Benchmark·Harness·Environment 3축 분리를 통해 LLM 에이전트 평가를 표준화하는 오픈소스 인프라다. 20개 이상의 벤치마 |
| AI 코딩 에이전트 성능을 올리는 방법: 하네스 엔지니어링 정리 | 2026-04-29 | AI 코딩 에이전트 성능을 모델 교체 없이 높이는 하네스 엔지니어링 개념, AGENTS.md, 훅, 컨텍스트 정책, 검증 루프를 정리했습니다. |
| Agentic Evaluations Workshop 핵심 정리 — 에이전트 평가의 다음 과제 | 2026-03-31 | Hugging Face의 Agentic Evaluations Workshop 라이브를 바탕으로, 에이전트 평가에서 왜 정확도만으로는 부족한지와 신뢰성·환경·공개 검증의 중 |
| 모델이 똑똑해지면 멀티에이전트는 필요 없어진다 — Nature MI 260개 실험이 밝힌 45% 임계점 | 2026-07-26T13:00:00+09:00 | |
| Agentic ESOpt — 그래디언트 버리고 에이전트를 진화시키기 | 2026-08-30 | 역전파 없이 파라미터 노이즈만으로 롱호라이즌 LLM 에이전트를 풀파라미터 파인튜닝하는 Agentic ESOpt를 정리했습니다. 학습 메모리 8.41GB, 15턴 과제에서 |
| 에이전트를 고치지 말고 지식을 고쳐라 — Knowledge-Centric Self-Improvement가 바꾸는 자기개선의 패러다임 | 2026-07-25 | Caltech이 제안하는 Knowledge-Centric Self-Improvement(KSI)는 에이전트 자체를 개선하는 대신, 지식 베이스를 큐레이션하여 다음 세대 에 |
| AionUi, Claude Code·Codex·Gemini CLI를 한 화면에 묶는 오픈소스 AI 코워커 | 2026-04-29 | AionUi는 단순한 AI 채팅 앱이 아니라, 내 컴퓨터에서 파일을 읽고 쓰고 웹을 탐색하며 작업을 자동화하는 오픈소스 Cowork 앱이다. 내장 에이전트, Claude |
| AEO란 무엇인가: AI 에이전트가 읽기 좋은 문서 최적화 방법 | 2026-04-20 | AEO(Agentic Engine Optimization)의 의미와 llms.txt, skill.md, 토큰 최적화, AI 에이전트 친화 문서 구조를 실무 관점에서 정리했 |
| 구글이 Vertex AI를 갈아엎음 — Gemini Enterprise Agent Platform이 진짜로 노린 것 | 2026-04-26 | 구글의 Gemini Enterprise Agent Platform과 AWS의 Bedrock AgentCore를 나란히 놓고 비교. 모델 시대에서 에이전트 운영 시대로 넘어 |
빠른 목록
- Hugging Face가 에이전트에게 훈련을 맡긴다: 코딩 에이전트 SFT 실전 튜토리얼
- 실전에서 에이전트가 쓴 코드는 인간보다 더 자주 바뀐다 - 110,000 PR 분석 결과
- LLM 에이전트 안전성의 새로운 패러다임: 5개 격리 경계로 보는 시스템 안전
- LLM 에이전트를 위한 RL 환경 설계: 에이전트 용어사전과 환경 분류학
- AI 에이전트로 돈을 번다는 것: HyperAgent 인터뷰에서 건질 7가지
- 자기 개선하는 AI 에이전트: 현대 에이전트 시스템의 자가진화 아키텍처 전망
- Code as Agent Harness: 코드가 에이전트의 하네스가 될 때 — 102쪽 서베이 논문 리뷰
- Agent Lightning v1.0 — 하네스가 곧 학습 환경이 되는 시대
- AgentDebugX: LLM 에이전트가 실패할 때 디버깅하는 올바른 방법
- AgentCompass: LLM 에이전트 평가 인프라의 표준화
- AI 코딩 에이전트 성능을 올리는 방법: 하네스 엔지니어링 정리
- Agentic Evaluations Workshop 핵심 정리 — 에이전트 평가의 다음 과제
- 모델이 똑똑해지면 멀티에이전트는 필요 없어진다 — Nature MI 260개 실험이 밝힌 45% 임계점
- Agentic ESOpt — 그래디언트 버리고 에이전트를 진화시키기
- 에이전트를 고치지 말고 지식을 고쳐라 — Knowledge-Centric Self-Improvement가 바꾸는 자기개선의 패러다임
- AionUi, Claude Code·Codex·Gemini CLI를 한 화면에 묶는 오픈소스 AI 코워커
- AEO란 무엇인가: AI 에이전트가 읽기 좋은 문서 최적화 방법
- 구글이 Vertex AI를 갈아엎음 — Gemini Enterprise Agent Platform이 진짜로 노린 것
FAQ: LLM 에이전트 논문 모음 검색 질문
이 페이지는 무엇을 위한 페이지인가요?
LLM 에이전트 논문 모음와 관련된 기존 글을 한 번에 탐색하도록 만든 주제 클러스터입니다.
왜 주제 클러스터가 SEO에 도움이 되나요?
비슷한 글들이 서로 연결되면 검색엔진이 사이트의 전문 주제를 이해하기 쉽고, 독자도 한 글에서 다음 글로 이동하기 쉬워집니다.
새 글도 이 페이지에 추가되나요?
네. 이후 관련 글이 쌓이면 이 클러스터에 계속 연결해 내부 링크 구조를 강화하는 것이 좋습니다.