Tiger3807861189/GLM-5.3-Flash-J-Space-Capability-Realization-Report

해결하는 문제

J-Space Cognition Suite는 추론 중 AI 에이전트를 제어하는 모델 독립적인 시스템을 제공하여 깊은 추론, 장기적 작업, 도구 사용, 오류 복구 성능을 향상시킵니다. 필요 없는 인지 기계를 사용하지 않도록 하기 위해 모듈을 선택적으로 로드함으로써 모델이 자체 제어 논리에 지나치게 압도되는 것을 방지합니다.

작동 방식

이 시스템은 모델 가중치를 변경하지 않고 추론 시에만 작동합니다. 에이전트의 작업 표현을 단일 진입점(SKILL.md)을 통해 관리되는 워크스페이스로 정리하고, 9개의 선택적 로드 모듈과 4개의 보조 참조로 라우팅합니다.

다음과 같은 핵심 메커니즘을 사용합니다:

• 선택적 워크스페이스 로드: 활성화된 아이디어만 컨텍스트에 유지하고, 나머지는 외부화합니다.
• 브로드캐스트 허브: 다양한 작업 브랜치 간에 공유되는 이름, 값, 제약 조건의 공통 소스입니다.
• Dense Track: 출력 전 내부 추론 체인을 컴팩트한 표기법으로 처리하여 깔끔한 언어로 출력합니다.
• 결론 전 브리지: 최종 답변에 도달하기 전에 중간 단계를 명시적으로 강제합니다.
• 옵션 컨트롤러: Python 스크립트(jspace.py)를 통해 장시간 실행 루프의 상태를 .jspace/ 디렉터리로 외부화하여 에이전트가 목표, 체크포인트, 열린 질문을 기록할 수 있도록 합니다.

대상 사용자

DeepSeek, Qwen, GLM, GPT, Claude 등 다양한 LLM의 추론 능력과 신뢰성을 향상시키고 싶은 개발자 및 사용자에게 적합합니다. 모델을 재학습할 필요 없이도 가능합니다.

주요 특징

• 모델 독립성: 프로토콜 기반 접근 방식으로 다양한 LLM 패밀리에서 작동합니다.
• 추론 시 제어: 모델 가중치를 수정하지 않고도 HLE 및 DeepSWE와 같은 벤치마크에서 성능을 향상시킵니다.
• 저마찰 통합: 호환 가능한 AI 호스트에 "스킬"로 설치하거나 시스템 지시를 통해 통합할 수 있습니다.
• 상태 외부화: 옵션 컨트롤러를 통해 대화 간 긴 간격에서도 지속적인 작업 상태 관리가 가능합니다.