$ cat wiki/papers/2026/2610.07625-stateless-agents.md
Stateless Language Agents — 대화 밖에서 유지하는 연구 상태
TL;DR
SLA는 연구 상태를 하네스에 보관하고, 에이전트를 호출할 때마다 역할에 맞는 새로운 맥락으로 시작한다. 저자들은 자체 평가에서 최근 프레임워크 세 가지보다 더 나은 장기 연구 결과를 보고한다. (source)
저자와 소속
Qizheng Zhang, Changxiu Ji, Isaac Sun, Yuetai Li, Shubhangi Upasani, Sherry Ruan, Boyuan Ma, Fenglu Hong, Vamsidhar Kamanuru, Yoonho Lee, Yuzhen Mao, Genghan Zhang, Rulin Shao, Qiuyang Mang, Andy Dimnaku, Changran Hu, Radha Poovendran, Kunle Olukotun. 2026-10-06 제출. 초록 페이지는 소속을 제시하지 않으며, 저자 이름에서 소속을 추정하지 않는다. (source)
방법
하네스는 후보 해법과 측정 결과를 보존한다. 상태를 유지하지 않는 Advisor는 여러 탐색 방향의 요약된 증거를 읽고 병렬 Workers에 구체적인 실험을 배정한다. 어떤 에이전트도 호출 간에 대화를 이어가지 않는다. 평가는 최대 십억 토큰의 예산에서 소프트웨어 공학, 커널 최적화, 알고리즘 설계를 다룬다. (source)
결과
저자들은 평가한 모든 과제에서 가장 좋은 최종 결과를 보고하며, 가장 강한 커널 기준선의 최종 성능에 84% 넘게 적은 토큰으로 도달한다. Advisor가 사용하는 토큰은 0.6% 미만이다. 같은 체크포인트에서 출발하는 절제 실험은 집중된 맥락과 명시적인 작업 배정 모두의 기여를 확인하며, 그 효과가 전체 실행에 걸쳐 누적될 수 있음을 보인다. (source)
의의
Agents (LLM Agents) 관점에서 이 설계는 상태 보존을 하네스의 책임으로 삼는다. R&D Automation Index 관점에서는 짧은 평가가 긴 예산에 걸쳐 실험을 계속하는 시스템을 잘못 판단할 수 있다고 주장한다. 이는 논문의 설계와 보고된 실험에 대한 해석이다. (source)
열린 질문
초록은 전체 과제 목록, 이름이 명시된 기준선 설정, 금전적 비용을 제시하지 않는다. 재현성과 보고된 토큰 절감이 시험한 커널 작업을 넘어 일반화되는지 확인하려면 논문 전문과 코드 검토가 필요하다. (source)
인용
arXiv:2610.07625, 2026-10-06 제출. 수집한 초록.