연구진은 LLM 에이전트의 스킬 최적화를 위한 MOCHA(Multi-Objective Chebyshev Annealing)를 개발했어요. MOCHA는 스킬 성능과 플랫폼 제약 조건을 동시에 고려하는 다중 목적 최적화 기법입니다.
기존 최적화 방법은 스킬 최적화 과정에서 발생하는 여러 제약 조건을 제대로 반영하지 못하는 한계가 있었어요. MOCHA는 Chebyshev scalarization과 exponential annealing을 결합하여 이러한 문제를 해결합니다.
실험 결과, MOCHA는 기존 최적화 방법보다 평균 7.5% 더 높은 정확도를 달성했으며, 더 많은 Pareto 최적 스킬 변형을 발견했습니다.