depth-n+ RLM

depth-n+ RLM은 에이전트가 일을 하다 막히면 또 다른 에이전트를 불러내고, 그 에이전트가 다시 필요하면 다른 에이전트를 불러내는 식으로 위임이 한 단계에서 끝나지 않고 여러 겹까지 이어질 수 있게 만든 실행 방식이다.

회사 일에 비유하면 이렇다. 팀장이 일감을 팀원에게 맡기고, 그 팀원이 다시 후배에게 일부를 맡기고, 후배가 또 필요하면 다른 사람을 불러오는 식으로 위임 사슬이 정해진 한 단계에서 멈추지 않는다. 이름의 'n+'는 이 사슬 길이가 미리 고정되지 않고 필요한 만큼(n번 이상) 늘어날 수 있다는 뜻이다.

보통 언어모델은 지금까지의 대화 내용을 긴 텍스트 뭉치로 쌓아두고 그 안에서 답을 찾는다. depth-n+ RLM 방식은 이 대화 내용을 프로그램이 다루는 변수처럼 취급해서, 긴 기록 중 필요한 조각만 꺼내 쓰고 남는 작업은 하위 에이전트에 넘겨 처리하게 한다. 이렇게 하면 실행 도중 생긴 자잘한 실패가 모델 전체의 실패로 잘못 기록되는 일을 줄일 수 있다는 게 이 구조를 쓰는 이유다.

기사는 프라임 인텔렉트의 에이전트 하네스가 "재귀 언어모델(RLM) 추상화를 따라 컨텍스트를 프로그램으로 다루고 테스트 시점 연산을 돌린다"고 설명한다. 여기서 오해하기 쉬운 점은, 이건 모델 자체의 성능을 올린 게 아니라 모델을 감싸는 실행 껍데기(하네스)의 설계 방식이라는 것이다. 같은 모델이라도 이 구조를 갖췄는지에 따라 벤치마크 점수가 크게 달라질 수 있다.