FitText: 밈 기반 검색을 통한 지능형 에이전트 도구 생태계 진화

FitText: Evolving Agent Tool Ecologies via Memetic Retrieval

사용자가 설명하는 작업과 도구가 문서화되는 방식 간에는 의미론적 간극이 존재합니다. API 생태계가 수만 개의 엔드포인트로 확장됨에 따라, 초기 쿼리만으로는 이 간극을 해소할 수 없습니다. 에이전트는 실행 중에 필요한 도구에 대한 이해가 발전하지만, 도구 세트는 그렇지 않습니다. 본 논문에서는 훈련이 필요 없는 프레임워크인 FitText를 소개합니다. FitText는 검색을 에이전트의 추론 루프에 직접 통합하여 검색을 동적으로 만듭니다. FitText는 자연어 기반의 가짜 도구 설명을 검색 쿼리로 사용하고, 검색 피드백을 통해 이를 반복적으로 개선하며, 확률적 생성 방식을 통해 다양한 대안을 탐색합니다. 밈 기반 검색은 도구 메모리를 활용하여 후보 설명에 대한 진화적 선택 압력을 가하여 중복 검색을 방지합니다. ToolRet 데이터셋(43,000개 도구, 4개 도메인)에서 FitText는 평균 검색 순위를 8.81에서 2.78로 향상시켰습니다. StableToolBench 데이터셋(16,464개 API)에서는 평균 성공률을 0.73으로 달성하여, 정적 쿼리 검색 방식에 비해 24%p의 절대적인 성능 향상을 보였습니다. 이러한 성능 향상은 유능한 의미론적 연산자로 작동할 수 있는 기본 모델에 적용 가능하며, 성능이 낮은 기본 모델에서는 밈 기반 검색의 진화적 탐색이 오히려 잡음을 증폭시켜 모델의 성능이 진화적 도구 탐색의 전제 조건임을 보여줍니다.

A semantic gap separates how users describe tasks from how tools are documented. As API ecosystems scale to tens of thousands of endpoints, static retrieval from the initial query alone cannot bridge this gap: the agent's understanding of what it needs evolves during execution, but its tool set does not. We introduce FitText, a training-free framework that makes retrieval dynamic by embedding it directly in the agent's reasoning loop. FitText generates natural-language pseudo-tool descriptions as retrieval probes, refines them iteratively using retrieval feedback, and explores diverse alternatives through stochastic generation. Memetic Retrieval adds evolutionary selection pressure over candidate descriptions, guided by a tool memory that avoids redundant search. On ToolRet (43k tools, 4 domains), FitText improves average retrieval rank from 8.81 to 2.78; on StableToolBench (16,464 APIs), it achieves a 0.73 average pass rate--a 24-point absolute gain over static query retrieval. The gains transfer across base models capable of acting as competent semantic operators; under weaker base models, Memetic's evolutionary search inverts--amplifying noise rather than refining signal--surfacing model capacity as a prerequisite for evolutionary tool exploration.