2026.05 – 07 · 라이브 검색 · arXiv API 적대적 검증 · 환각 인용 0건

AI 에이전트의 성능은
모델이 아니라 하네스가
결정한다

2026년 여름, "하네스 엔지니어링(Harness Engineering)"이 산업 구호에서 독립된 학술 연구 분야로 결정화됐습니다. 이 페이지는 실존이 검증된 arXiv 논문 86편(범위 내)과 산업 1차 자료가 그리는 새 연구 지형을 한눈에 보여줍니다.

0
arXiv 논문 실존 검증
0
범위 내(5~7월) 인용
0
환각 인용 (REJECTED)
0
연구 테마 (T1–T10)
0
산업 자료 HTTP 확인
SCROLL
Harness in 30 seconds

하네스가 뭐길래?

하네스(harness)는 언어 모델을 감싸서 "환경 위에서 스스로 행동하는 에이전트"로 바꿔주는 실행 계층입니다. 프롬프트, 툴, 메모리, 컨텍스트 관리, 실행 루프, 검증, 권한 — Claude Code나 Codex CLI 같은 코딩 에이전트에서 모델을 뺀 나머지 전부라고 생각하면 쉽습니다. 선행 서베이(arXiv:2606.20683)는 이 계층을 6개의 런타임 책임으로 분해합니다.

환경 ENVIRONMENT — 파일시스템 · 터미널 · 브라우저 · API 하네스 HARNESS 모델 LLM 관찰 observe 컨텍스트 ctx 제어 control 행동 action 상태 state 검증 verify
에이전트 = 모델 ⊗ 하네스. 6개 런타임 책임(관찰·컨텍스트·제어·행동·상태·검증)은 From Question Answering to Task Completion의 분해를 따름
왜 지금인가 ①

모델 능력의 수렴. 프론티어 모델 간 격차가 좁아지면서, 아키텍처 차별화의 주 무대가 모델에서 하네스 계층으로 이동했습니다.

왜 지금인가 ②

용어의 대중화. 2026년 2월 OpenAI가 "Harness Engineering"이라는 표현을 밀었고, 불과 3~4개월 만에 이 단어가 학술 논문 제목으로 흘러들어왔습니다.

왜 지금인가 ③

장기 자율 과제의 실전 배치. 에이전트가 수십~수백 턴짜리 과제에 투입되면서 상태·메모리·검증·권한 문제가 하네스 설계 문제로 표면화됐습니다.

The One Thesis

2026년 여름 문헌 전체를 관통하는 단 하나의 명제

"에이전트 성능의 병목은 대체로 모델 크기가 아니라 하네스 설계에 있다." — 검증된 86편이 정의(무엇이 하네스인가) · 측정(얼마나 좌우하는가) · 자동화(스스로 진화하는가) · 거버넌스(안전을 강제하는가)의 네 갈래로 이 명제를 파고듭니다.
같은 모델, 다른 하네스
19.1%→73.4%

동일한 GLM 5.1 모델이 adapter(하네스) 설계만 바꿨을 때의 Pass@1 변화. 모델 선택은 29.4pp, 하네스 선택은 27.4pp를 움직였습니다 — 하네스가 모델 선택만큼 점수를 좌우합니다.

Claw-SWE-Bench · arXiv:2606.12344
100턴 스트레스 테스트
최대 6배

강한 모델도 최선/최악 하네스 사이 성능이 최대 6배 벌어졌습니다. 약한 모델은 어떤 하네스로도 실패 — 하네스는 증폭기이지 만능이 아닙니다. 테스트 피드백+재시도는 버티는 턴 수를 최대 12배 늘렸습니다.

StaminaBench (AWS) · arXiv:2606.19613
압축이 안전을 지운다
0%→30% (최대 59%)

컨텍스트 압축(요약) 후 안전 제약 위반율. 요약 과정에서 안전 규칙이 조용히 삭제되는 "Governance Decay"의 실측입니다. 제약을 압축에서 격리(Constraint Pinning)하면 위반이 0%로 회복됩니다.

Governance Decay · arXiv:2606.22528
정답지 없이 스스로 진화
59%→78%

정답 검증셋 없이, 과거 실행 기록(트레이스)의 자기선호 비교만으로 단 1회 하네스 최적화를 수행한 결과(SWE-Bench Pro). 하네스는 이제 사람이 만드는 정적 산출물이 아니라 스스로 진화하는 대상입니다.

RHO · arXiv:2606.05922

⚖️ 반대 증거도 문헌에 있습니다: 어설픈 하네스는 오히려 해롭고(minimal-shell < model-only의 비단조성), 하네스 없이 복잡한 요구를 받은 소형모델은 구조를 포기하는 scaffold collapse가 관측됐습니다 (It's Not the Size, arXiv:2605.12129).

Four Paradigms

에이전트 엔지니어링 4단계 계보 — 지금은 3에서 4로 넘어가는 중

선행 서베이(arXiv:2606.20683)가 정식화한 패러다임 전환. 2026년 여름 문헌은 이미 네 번째 단계(모델-하네스 공진화)로 진입하고 있습니다.

프롬프트
엔지니어링

단발 지시문을 잘 쓰는 기술

워크플로 &
컨텍스트 엔지니어링

입력·기록·상태의 구성 관리

하네스
엔지니어링

실행 계층 전체의 설계

◀ 2026 여름, 학술 결정화

에이전트-네이티브
공진화

하네스와 모델 학습의 결합

다음 갈래 (T9)
Research Map

연구 지형 — 10개 테마

미리 정한 틀이 아니라 검증된 논문들이 실제로 다루는 주제에서 귀납한 분류입니다. 카드를 클릭하면 해당 테마의 논문 목록으로 이동합니다.

Editor's Picks

임팩트로 고른 하이라이트 논문 10선

전체 86편 중 이 시기의 흐름을 가장 선명하게 보여주는 논문들. 모든 수치는 arXiv 초록에서 확인된 값입니다.

Paper Explorer

검증된 논문 탐색기

범위 내 86편 + 배경 9편 전체. 제목·저자·키워드로 검색하고 테마로 필터링하세요. 모든 항목이 arXiv 원문으로 연결됩니다.

Industry Signals

산업 1차 자료 — 학계와 같은 어휘로 수렴 중

범위 내 11건(HTTP 실존 확인). Anthropic은 "harness machinery"라는 표현을 명시적으로 사용했고, Cognition은 하이브리드 모델 하네스로 비용 35~41%를 절감했습니다.

배경 자료 5건 — 용어의 기원 (2026년 2~4월, 조사 범위 밖)
    Open Problems

    아직 풀리지 않은 8가지 과제

    논문들의 "한계" 섹션에서 귀납한 향후 연구 방향 — 이 분야가 얼마나 젊은지 보여주는 목록이기도 합니다.

    Methodology & Trust

    이 서베이는 어떻게 만들어졌나 — 신뢰의 근거

    조사 대상 논문 전부가 AI의 지식 컷오프 이후에 발표됐기 때문에, 환각 인용이 최대 위험이었습니다. 그래서 이 서베이 자체가 하나의 에이전트 하네스로 설계됐습니다: 발굴·분석은 넓게, 그러나 적대적 검증 게이트를 통과한(CONFIRMED) 논문만 본문에 인용합니다.

    paper-scout ×3
    🔭

    라이브 발굴

    arXiv API·웹을 학술/산업/인접 3축으로 병렬 검색, 동의어 클러스터 순회

    paper-analyst
    🧪

    초록 기반 분석

    arXiv API로 취득한 실제 초록 전문을 1차 근거로 구조화 분석

    citation-verifier — 게이트
    🛡️

    적대적 검증

    95개 ID 전부를 raw arXiv API(Atom XML)로 배치 대조 — 제목·저자·제출일 환각 원천 차단

    survey-synthesizer
    📝

    종합

    CONFIRMED만으로 리포트 작성, 범위 밖·한계는 부록에 투명 기록

    95 / 95
    arXiv 실존 확인
    0건
    환각 인용 (REJECTED)
    86편
    범위 내 CONFIRMED
    17/18
    산업 자료 HTTP 200 (1건은 봇차단 403 → 2차 매체로 교차확인)

    정직한 커버리지 한계

    이 조사는 "완전한 전수조사"가 아니라 "arXiv 중심의 실존 검증된 대표 표본"입니다.

    • 서베이 실행 당시(2026-07-01) 조사 도구의 웹검색(WebSearch) 툴이 비활성이어서 arXiv API·DuckDuckGo·직접 페이지 조회로 대체 — 그 결과 arXiv 사전출판(preprint)에 편중, 동료심사 게재 여부는 미확인
    • Semantic Scholar · OpenReview · ACL Anthology는 접근 제약으로 충분히 커버하지 못함
    • Meta/FAIR의 1차 자료는 이 기간 발견되지 않음
    • 분석은 초록 기반 — 초록에서 확인되지 않는 세부 수치는 단정하지 않음
    • 산업 블로그는 HTTP 실존만 확인 (내용은 발굴 기록 기반 요약)

    📄 전체 리포트: 웹 뷰어로 읽기 (가독성 개선판) · 마크다운 원문 · 원본 — 검증 원장은 _workspace/03_verification/에 보존