2026년 8월 에이전틱 AI 논문 — 한 달 흐름 정리

한 달을 한 문장으로

논문의 관심이 "더 똑똑한 모델"에서 "실패를 관리하고 비용을 통제하면서 오래 일하는 시스템"으로 옮겨갔다.

7월 말 논문들은 아직 "계산을 더 주면 더 잘하나"를 묻고 있었다. 8월 말이 되면 질문이 바뀐다. 실패했을 때 되감을 수 있나, 지침을 더 붙이면 오히려 나빠지지 않나, 그 점수는 진짜인가.

이 변화가 업무에 주는 뜻은 하나다. 에이전트를 고를 때 모델 이름만 보면 안 된다. 같은 모델이라도 실행 구조가 다르면 사실상 다른 도구다.

반복해서 나온 결론 다섯

1. 계산을 더 준다고 계속 좋아지지 않는다

로컬 컴퓨터 사용 에이전트에 문맥을 늘리고 단계를 늘려도 성공률은 금방 포화됐다. 오히려 긴 실행이 잘못된 경로를 더 오래 지속시켰다.

2. 붙이면 좋아진다는 가정이 계속 깨졌다

스킬을 붙이면 좋아진다 — 아니었다. 도구를 많이 호출하면 에이전트답다 — 아니었다. 에이전트를 여러 개 붙이면 안전하다 — 아니었다. 같은 모델은 같은 곳에서 함께 틀린다.

3. 실패는 없애는 게 아니라 관리하는 것이다

체크포인트와 되감기, 이탈 감지, 트랜잭션, 실행 전 예행연습. 데이터베이스와 운영체제가 수십 년 전에 정리한 개념들이 에이전트로 그대로 넘어오는 중이다.

4. 점수는 생각보다 부정확하다

실패로 판정된 실행 기록을 사람이 다시 보니 15.3%가 오판이었다. 반대로, 실제 시장에서 돈을 받고 하는 업무를 끝까지 해내는 비율은 가장 강한 모델도 약 30%였다.

5. 성능을 좌우한 건 대개 모델 바깥이었다

하네스, 메모리 구조, 도구 설명서, 검증 절차. 같은 모델을 다른 하네스에 넣으면 결과가 크게 달라졌고, 도구 설명서만 고쳐도 성공률이 크게 올랐다.

주제별로 나눠 읽기

• 실패를 전제로 짠다 — 되감기, 이탈 감지, 트랜잭션, 실행 전 예행연습
• 메모리 — 많이 기억하기보다 언제 꺼내고 언제 무시할까
• 하네스 — 모델이 아니라 실행 구조가 성능을 만든다
• 스킬과 도구 — 더 붙이면 좋아지는가
• 평가 — 그 점수를 얼마나 믿을 것인가
• 멀티에이전트 — 여러 개 붙인다고 안전해지지 않는다
• 안전과 통제 — 이해했다고 말하는 것과 실제로 안 하는 것은 다르다
• 학습 — 100단계 중 어느 행동이 잘한 것인가

그래서 무엇을 다르게 할 것인가

도구를 고를 때 모델 이름 대신 이걸 본다 — 되돌릴 수 있나, 무엇을 실행했는지 기록이 남나, 권한을 어디까지 줄지 내가 정할 수 있나.

에이전트에게 일을 맡길 때 지침을 계속 늘리지 않는다. 겉보기에 관련 있어 보이는 지침이 가장 자주 성능을 떨어뜨렸다.

결과를 볼 때 최종 산출물만 확인하지 않는다. 목표는 달성했는데 중간에 엉뚱한 파일을 지웠을 수 있다.

벤치마크 숫자를 볼 때 그 숫자가 어떤 하네스에서 나온 것인지 확인한다. 모델 점수만으로는 내 환경에서 재현되지 않는다.

이 정리의 한계

이 페이지는 매일 받아 본 논문 감시 요약을 주제별로 재정리한 것이다. 원문을 직접 검증하지는 않았다. 수치는 각 논문 저자가 보고한 값이고, 대부분 preprint라 동료 심사를 거치지 않았다. 저자가 만든 벤치마크에서 저자의 방법이 좋았다는 형태의 결과가 많다는 점도 감안해서 읽어야 한다.

아래 목록에서 링크는 arXiv 번호가 확인된 것만 걸었다. 번호를 확인하지 못한 논문은 제목만 적었다.

전체 목록

7월 30일 공개

8월 3일 공개

8월 4~6일 공개

8월 7일 공개

8월 10일 공개

8월 12~13일 공개

8월 14~15일 공개

8월 17~19일 공개

8월 20~21일 공개

8월 24일 공개