채팅 기록을 지우면 AI 에이전트가 더 나은 해결책을 찾을 수 있게 됩니다
마티아스 바스티안
마티아스 바스티안의 링크드인 프로필 보기
Oct 12, 2026
Nano Banana Pro는 THE DECODER에 의해 제시됨마이크로소프트 연구소의 연구에 따르면, 장시간 실행되는 AI 연구 에이전트는 추가적인 컴퓨팅 자원이 있음에도 불구하고 정체되곤 합니다. 축적된 대화 맥락은 그들의 검색을 제한하며, 더 나은 접근 방식을 탐색하는 대신 유사한 해결책에 집중하게 만듭니다.
마이크로소프트 연구원들은 "오토리서치 에이전트"라고 불리는 AI 시스템을 연구했습니다. 이 시스템은 피드백에 따라 솔루스를 반복적으로 제안하고 평가하며 개선합니다. 동일한 작업에서 8번의 독립적인 실험 결과, 각각 다른 성능 수준을 보였으며 최종 점수는 68.3에서 100.0까지 다양했습니다. 논문에 따르면, 상당히 많은 컴퓨팅 자원을 사용하더라도 이러한 차이는 유지되었습니다.
에이전트들은 “아이디어 분지”에 갇히게 됩니다
연구자들은 모든 실험 결과를 유사한 해결책이 가까이 위치하는 이차원 지도에 그려서 비교했습니다. 단 한 번의 실험 결과는 거의 항상 지도의 작은 영역 안에 머물렀습니다. 저자들은 이러한 영역을 "아이디어 분지"라고 부릅니다.
에이전트들은 남은 컴퓨팅 예산의 상당 부분을, 다른 실행으로 발견된 더 나은 방법들을 찾는 대신, 생산성이 낮은 지역에서 해결책을 개선하는 데 사용합니다. 이러한 패턴은 에이전트들이 주기적으로 대화 기록을 압축하더라도 계속 유지됩니다.
채팅 기록을 지우면 에이전트들이 새로운 접근 방식을 시도할 수 있게 됩니다
제안된 방법인 “Fork-and-Flush”는 두 가지 메커니즘을 결합합니다. “Forking” 단계에서는 에이전트가 K개의 병렬 분기로 나뉘며, 각 분기는 이전 작업 공간과 모든 생성된 파일을 상속받습니다. “Flushing” 단계에서는 각 분기가 전체 채팅 컨텍스트를 잃지만 작업 공간은 유지되어 새로운 대화를 시작하고 이전 작업을 계속 발전시킬 수 있습니다.
부모 프로세스의 채팅 컨텍스트를 유지하는 브랜치는 이전의 추론이 다음 단계를 이끌기 때문에 같은 아이디어 분야로 돌아가는 경향이 있습니다. 새로운 컨텍스트는 검색에서의 다양성을 회복시킵니다. 대화 기록은 사라지지만 코드, 파일, 저장된 결과는 작업 공간에 남습니다.
동일한 컴퓨팅 예산에서 정규화된 평균 점수가 66% 더 높아짐
연구자들은 13개의 장기간 실행되는 작업에서 Fork-and-Flush를 테스트했으며, 여기에는 다각형 패킹, 작업 공장 스케줄링, 암호 분석이 포함됩니다. 이 작업들에는 CIFAR 분류기를 압축하고 VLIW 커널을 최적화하는 것도 포함되었습니다. 각 실행은 몇 시간에서 100시간 이상까지 지속되었습니다. 에이전트들은 GitHub Copilot CLI를 통해 GPT-5.6-terra와 GPT-5.5를 사용했습니다.
동일한 컴퓨팅 예산으로 Fork-and-Flush는 최소-최대 정규화 평균 점수가 0.78에 달했으며, 단일 실행의 경우 0.47, 최고의 4전제전의 경우 0.54였습니다. 논문에 따르면 각각 66.0%와 44.4%의 상대적 향상이 보고되었습니다. 이 방법은 13개 작업 중 12개에서 가장 높은 평균 점수를 달성했습니다.
포크-앤-플러시 방식도 더 일관된 결과를 보였으며, 단일 실행에서 표준 편차가 0.26에서 0.16으로 감소했습니다. 브랜치 작업 없이 채팅 컨텍스트를 정리하는 것만으로도 결과가 22% 개선되었습니다.
| 평가 | 방법 | 표준화 평균 점수 | 정규화 표준편차 | 각 단일 실행 기준선 대비 상대적인 개선 |
|---|---|---|---|---|
| 13개의 작업 | 단일 실행 | 0.47 | 0.26 | 기준값 |
| 13개의 작업 | 4번전승 최고의 경기 | 0.54 | 0.21 | 약 +14.9% |
| 13개의 작업 | 포크 및 플러시 | 0.78 | 0.16 | +66.0% |
| 11개의 작업 | 단일 실행 | 0.45 | — | 기준값 |
| 11개의 작업 | 플러싱만 | 0.55 | — | 약 +22% |
더 강력한 모델들은 여전히 컨텍스트 리셋이 필요할 수 있다
연구자들은 또한 더 능력이 뛰어난 모델들이 아이디어 분지를 피하는지 테스트했으며, MAX-3-SAT 문제를 Qwen3.5-4B, 9B, 27B 세 가지 모델 크기로 실험했습니다. 실행 간의 변동은 역전 U형 곡선을 따르며, 모델의 능력 한계에 있는 작업에서 최고점을 기록했는데, 이는 무작위 추측 성능과 참조 솔버의 성능 사이의 중간 지점에 해당합니다.
저자들은 개방형 연구 문제가 정의상 모델의 능력 한계에 위치한다고 주장합니다. 그들은 모델이 향상됨에 따라 'Fork-and-Flush' 악용 방식이 계속 존재할 것으로 예상하며, 그 경계는 단지 더 어려운 문제 쪽으로 이동할 뿐이라고 말합니다. 연구 결과는 정기적인 컨텍스트 리셋이 최첨단 연구 에이전트에게도 유용할 수 있다는 것을 시사합니다.
하이퍼의 없이 AI 뉴스 – 인간이 선별함
광고 없는 읽기, 주간 AI 뉴스레터, 매년 6회 발행되는 독점적인 "AI 레이더" 전선 보고서, 전체 아카이브 접근 권한, 그리고 우리의 코멘트 섹션에 대한 접근 권리를 원한다면 THE DECODER를 구독하세요.
전체 내용은 아래를 참조하세요.
흥분 없는 보도를 원한다면 구독하세요.
- THE DECODER의 모든 기사에 대한 전체 접근 권한
- 광고 없음
- 댓글과 커뮤니티 토론에 참여하세요
- 주간 AI 뉴스 요약 메일로 발송
- 6회/년: “AI 레이더” — 가장 중요한 AI 주제에 대한 심층적인 분석
- 일일 AI 뉴스, 항상 최신 정보
- 우리의 전체 10년간의 아카이브
- 10년 이상 AI 분야에서 일한 팀에 의해 담당됨