[연구의 필요성]

최근 거대 언어 모델은 기존에 인간이 수행하던 다양한 과업들을 대신 수행하는 에이전틱 시스템으로서 효과적으로 기능하고 있다. 한편, harness는 외부 환경으로부터 지식을 탐색하고 습득하는 의사 소통 및 정보 전달 규약으로서, 언어 모델이 에이전틱 시스템으로써 기능하는 데에 필수적인 요소로 정의된다. 같은 언어 모델임에도 harness의 품질에 따라 동일한 과업에 대해서도 상이한 성능을 보이는 선행 연구들이 존재하나, harness의 품질이 언어 모델을 사후 학습하는 과정에서 미치는 영향은 그 필요성에도 불구하고 분석된 바가 없다.  

[포스텍이 가진 고유의 기술]

본 연구는 harness의 품질이 언어 모델의 사후 학습 과정에서 미치는 영향을 분석할 수 있는 벤치마크 및 분석 연구를 수행함으로써, harness의 품질이 단순히 언어 모델의 성능 뿐 아니라 harness의 호출 규약이 변화하는 상황과 같은 out-of-distribution (OOD) 상황에서의 강건성을 유지하는 데에도 주요한 역할을 수행함을 확인했습니다.  [연구의 의미] 주어진 결과는 강건하고 지속 가능한 에이전틱 시스템 구축을 위해서 양질의 harness 설계가 갖는 중요성을 보였다는 점에서 의의가 있습니다.  

[연구결과의 진행 상태 및 향후 계획]

본 연구는 현재 EMNLP Findings 2026에 채택되었고, 보다 강건한 에이전틱 시스템 구축 연구로 확장할 계획이다.  

[성과와 관련된 실적]

김경민, 최영빈, 이서연, 전수현, 김동우, 박상돈 (POSTECH 컴퓨터공학과/인공지능대학원) 

The Interplay of Harness Design and Post-training in LLM Agents (EMNLP Findings 2026 논문 채택)  

[요약]

본 연구는 harness의 품질이 에이전틱 시스템으로서의 언어 모델의 사후 학습에 미치는 영향을 분석할 수 있는 benchmark 데이터셋을 제안했고, 이를 바탕으로 학습 전 양질의 harness 사전 설계의 중요성을 실험적으로 확인했습니다.

[성과와 관련된 이미지]