Meta AI·UIUC 연구진, EvoHarness-RL로 8B 모델의 장기 에이전트 작업 성능을 Claude Opus 4.5 수준까지 끌어올려

본 기사는 Meta AI와 UIUC 연구진이 제안한 EvoHarness-RL이 에이전트의 harness 사용 방식을 강화학습으로 학습시켜, 8B 모델이 장시간 엔터프라이즈 워크플로에서 Claude Opus 4.5에 근접한 성능을 내도록 했다고 전합니다. 기존 방식이 개발자가 작성한 고정 규칙에 의존했다면, 이 프레임워크는 모델이 환경 정보의 읽기, 갱신, 통합 시점을 스스로 판단해 오류 복구와 하위 목표 추적을 수행하도록 설계됐습니다.

이번 연구는 더 큰 frontier model을 호출하지 않고도 runtime layer와 학습 전략을 개선해 소형 모델의 에이전트 성능을 끌어올릴 수 있음을 보여줍니다. 기업 입장에서는 장기 작업 자동화에서 추론 비용과 지연 시간을 낮추면서도 신뢰성을 확보하는 방향으로, 모델 규모보다 agent harness 설계가 경쟁력의 핵심 변수로 부상할 가능성이 큽니다.