ATH-MaaS/Marco-DeepResearch

해결하는 문제

Marco DeepResearch는 복잡한 현실 세계 작업에서 AI 에이전트와 인간 전문가 사이의 격차를 메우기 위해 설계된 포괄적인 이니셔티브입니다. 특히 무역, 법률, 의료와 같은 수직 분야에서 도메인 특화된 추론, 계층적 규칙 적용, 대규모 정보 탐색의 핵심적인 한계를 해결합니다.

작동 방식

이 프로젝트는 에이전트의 다양한 능력을 타겟으로 하는 벤치마크, 프레임워크, 모델의 세트로 구성되어 있습니다:

• Table-as-Search: 장기적인 검색을 테이블 완성 작업으로 정식화하고, '광범위(탭ular)'와 '심층(multi-hop)' 검색 에이전트를 조율하는 계층적 멀티에이전트 프레임워크를 사용합니다.
• UMEM (Unified Memory Extraction and Management): 에이전트가 상호작용 트레이스에서 인사이트를 추출하고 관리하는 방식을 최적화하는 자기 진화형 메모리 시스템으로, 단순한 암기 방지를 목표로 합니다.
• Search2Skill: 기준 기반 강화 학습을 사용하여 외부 검색 결과에서 재사용 가능한 전문 도메인 스킬을 추출하는 프레임워크입니다.
• 벤치마크 (HSCodeComp 및 DeepWideSearch): 관세 분류와 같은 계층적 규칙 적용 능력과 심층적이고 광범위한 정보 수집 능력을 평가하기 위한 전문 데이터셋입니다.

대상 사용자

이 프로젝트는 복잡한 비즈니스 인텔리전스, 국제 무역 준수, 자동 고객 서비스 감사용 프로덕션 수준의 에이전트를 개발하는 AI 연구자 및 개발자에게 적합합니다.

주요 특징

• 프로덕션 준비 완료 프레임워크: 높은 재현율의 비즈니스 개발 인텔리전스에 적합한 Table-as-Search 포함.
• 자기 진화형 메모리: UMEM을 통해 전문가의 정답 기반으로 학습하고, 수일이 아닌 수분 내에 행동을 업데이트할 수 있습니다.
• 특화된 벤치마크: 수직 분야에서 계층적 규칙 적용을 위한 엄격한 테스트를 제공하는 HSCodeComp.
• 효율적인 모델: 심층 리서치 에이전트 작업에 특별히 최적화된 Marco-DeepResearch-8B 모델 포함.