본 연구는 엔터프라이즈 시스템에서 월드 모델의 필요성을 질문하며, 시스템 구성 가능성과 가독성이 높을 경우 런타임 발견이 오프라인 학습을 보완할 수 있다고 주장합니다.
CascadeBench라는 새로운 벤치마크를 도입하여 오프라인 학습된 월드 모델이 환경 변화에 취약한 반면, 런타임 발견 기반 에이전트는 더 강력한 성능을 보인다는 것을 입증했습니다.
연구 결과, 엔터프라이즈 환경에서는 에이전트가 고정된 내부 동역학에만 의존하는 것이 아니라 런타임에 관련 전환 로직을 발견하는 메커니즘을 통합해야 합니다.