연구진은 LLM 에이전트가 작업 난이도를 파악하지 못해 불필요한 자원을 낭비한다고 지적했어요.
E3(Estimate, Execute, Expand)라는 새로운 프레임워크를 제안하여 작업 난이도를 예측하고 최소한의 경로로 실행하며 실패 시에만 범위를 확장해요.
MSE-Bench 벤치마크에서 E3는 기존 방식보다 비용을 85% 절감하고 토큰 사용량을 91% 줄이며 검사 파일 수를 92% 감소시켰어요.
실제 gpt-4o 에이전트 테스트에서도 E3는 빠르고 효율적인 정책으로 나타났으며, 이는 엔지니어링 기반 AI(EGAI)로 나아가는 발걸음이에요.