FAMA: 오픈소스 LLM 에이전트의 실패 패턴을 분석해 27% 성능 개선

FAMA 프레임워크는 오픈소스 LLM 기반 에이전트가 대화형 문제 해결에서 실패하는 주요 패턴을 먼저 분석한 뒤, 해당 실패를 보정하는 특화 에이전트를 최소한으로 활성화해 컨텍스트를 주입합니다. 7B~13B 규모의 여러 오픈소스 LLM에서 평가 모드별 최대 27%의 성능 향상을 보였고, 특히 제한된 컨텍스트와 추론 예산 환경에서 효과적입니다. 다만 실패 분석 단계가 오프라인으로 선행되어야 하므로 동적 적응보다는 설계 패턴에 가깝습니다.

• #llm-agents
• #open-source
• #failure-analysis
• #tool-use
• #fama