한줄 요약
冻结된 LLM 에이전트의 자연어 스킬을 신경망 학습 방식으로 반복 최적화하여 성능을 높이는 프레임워크입니다.
핵심 기능
텍스트 공간 최적화: 스킬 문서를 파라미터로 취급하여 미니배치, 에포크, 학습률 개념을 적용합니다.
트래젝션 기반 편집: 에이전트 실행 결과를 분석하여 스킬을 정밀하게 수정합니다.
검증 게이트: 후보 스킬을 별도 검증 세트로 평가하여 성능 향상이 확인된 경우에만 업데이트를 수용합니다.
다중 백엔드 지원: OpenAI, Azure, Claude, Qwen 등 다양한 LLM 백엔드를 지원합니다.
배포 가능 아티팩트: 최적화된 스킬을 best_skill.md 파일로 저장하여 재사용할 수 있습니다.
언제 쓰나
LLM 에이전트의 특정 작업 수행 능력을 수동 조작 없이 자동으로 향상시켜야 할 때
여러 실행 트래젝션을 통해 반복적으로 개선되는 견고한 자연어 스킬이 필요할 때
모델 파인튜닝 없이 에이전트 성능을 높이는 방법을 찾을 때