연구진은 LLM 에이전트의 성능을 향상시키는 새로운 프레임워크를 개발했어요. 이 프레임워크는 모델 자체를 수정하는 대신 프롬프트, 지식 주입, 런타임 제어 등 에이전트의 '하네스'를 자동으로 개선하는 방식이에요.
자가 생성된 피드백의 노이즈 문제를 해결하기 위해, 언어 모델은 실패 원인을 진단하고 수정안을 제안하며, 모든 샘플링과 측정은 결정론적 코드로 처리하여 신뢰성을 확보했어요.
7개 도메인에서 실험 결과, 하네스는 훈련을 통해 선택되고 평가되었으며, +9~+15.5pp의 성능 향상을 보였고, 훈련 성능의 86~147%를 유지하며 일반화 능력을 입증했어요.