연구진은 복잡한 목표를 달성하는 에이전트 시스템의 성능 향상을 위해 에이전트 강화 학습(Agentic RL)의 중요성을 강조했어요.
기존 LLM 강화 학습 방식의 한계를 지적하며, 단계별 MDP(Markov Decision Process) 모델을 제안하고 단계별 정책 최적화를 통해 에이전트의 의사 결정 및 도구 사용 능력을 향상시키는 StepPO를 선보였어요.
StepPO는 에이전트의 행동을 이해하고 LLM의 일반적인 에이전트 능력을 발전시키는 데 도움이 될 수 있는 단계별 패러다임을 제시하며, 관련 연구 커뮤니티에 새로운 시각을 제공할 것으로 기대돼요.