에이전트 시스템의 의도와 실행 간극을 좁히는 Simple Strands Agent

LLM 에이전트 성능은 모델 자체의 추론 능력뿐만 아니라, 모델과 도구를 연결하는 harness의 효율성에 크게 좌우된다. 연구진은 모델의 의도와 실제 실행 결과 사이의 불일치인 'intent-execution gap'을 정의하고, 이를 최소화하는 Simple Strands Agent(SSA)를 공개했다. SSA는 도구 인터페이스 개선, diff 파일 피드백, reasoning nudge를 통해 다양한 벤치마크에서 성능 향상을 입증했다. 모델마다 도구 사용 및 피드백 해석 방식에 고유한 선호도가 존재하며, 이를 반영한 모델-harness 공동 설계가 최적의 성능을 이끌어낸다.