# ActiveSaddler는 에이전트 하네스를 최적화하면서 시나리오를 조정한다

DAIR.AI는 Microsoft와 공동 연구자들의 논문 ActiveSaddler를 소개한다. 이 논문은 에이전트 하네스를 최적화하는 데 사용되는 시나리오를 바꾼다. 동일한 최적화기에서 고정된 시나리오 순서와 비교해 테스트 Pass@1이 GAIA2에서 4.4점, Terminal-Bench 2.0에서 7.5점 향상된다.

Language: ko
Time zone: Asia/Seoul
Current time (UTC, cached as of): 2026-11-22T13:14:00.000Z
Query date (Asia/Seoul): 2026-11-22

HTML: https://didcodexreset.com/ko/news/a8ef35607d3d44a0aa958a6e.html

Content language: ko
Localization state: translated

출처: DAIR.AI · 2026. 10. 4. 14:51:10 게시

ActiveSaddler는 반복되는 실패를 실패 패턴으로 묶고, 각 패턴을 비정상 밴딧의 arm으로 취급한다. 하네스가 각 패턴에서 얼마나 더 배울 수 있는지 추적하고, 알려진 약점을 다시 보는 것과 새로운 약점을 찾는 것 사이에 예산을 나눈다.

DAIR.AI에 따르면 현재 하네스 최적화기는 하네스가 업데이트되는 방식을 바꾸지만 학습 시나리오는 고정해 둔다. 그래서 하네스가 개선될수록 정보가 없어지는 작업에서 계속 피드백을 받는다. ActiveSaddler는 그 시나리오도 조정한다. 동일한 최적화기에서 고정된 시나리오 순서와 비교해 테스트 Pass@1이 GAIA2에서 4.4점, Terminal-Bench 2.0에서 7.5점 향상된다. 논문은 [ActiveSaddler: Automated Curriculum Learning for Agent Harness Optimization](https://academy.dair.ai/papers/activesaddler-automated-curriculum-learning-for-agent-harness-optimization-2610.00906)이다.

Tags: ActiveSaddler, 에이전트 하네스, Microsoft, GAIA2, Terminal-Bench

[원문 게시물 보기](https://x.com/dair_ai/status/2106620084542419257)
