출처
- source_url: https://metr.org/blog/2025-03-19-measuring-ai-ability-to-complete-long-tasks/
- author: METR
- published: 2025-03-19
- raw: raw source:
web-2026-07-02-metr-long-tasks
요약
METR(Model Evaluation & Threat Research)은 AI 에이전트의 능력을 측정하는 축으로 **완수 가능한 작업의 길이(task horizon)**를 제안한다. 이 글은 범용 프런티어 모델 에이전트가 50% 신뢰도로 자율적으로 완수할 수 있는 작업의 길이가 최근 6년 동안 대략 7개월마다 두 배씩 늘어났다고 보고한다. 이는 모델의 단순한 정답률 향상이 아니라, 더 길고 복잡한 다단계 작업을 얼마나 오래 자율적으로 수행할 수 있는지를 기준으로 한 성장 추세다.
동시에 글은 AI 에이전트가 여전히 긴 연속 행동 시퀀스에서 어려움을 겪는다는 점을 강조한다. 인간이 해당 작업을 수행하는 데 걸리는 시간(human time)이 모델의 성공 여부를 예측하는 지표로 쓰일 수 있다는 점도 함께 제시한다. 즉 작업이 사람 기준으로 오래 걸릴수록 에이전트의 성공률이 낮아지는 경향이 있다는 것이다.
이 raw 노트는 이를 Loop Engineering 관점에서, 작업의 시간 지평(task horizon)이 길어질수록 루프 설계와 평가가 선택적 개선 사항이 아니라 구조적으로 반드시 필요한 요소가 된다고 정리한다. 즉 태스크가 길어질수록 중간 검증, 재시도, 오류 복구 같은 루프 메커니즘이 에이전트 설계의 필수 구성 요소가 된다는 함의다.
관련 위키
원문 보존 위치
원문 전체는 raw source: web-2026-07-02-metr-long-tasks에 source_url과 함께 저장되어 있다.