AI 에이전트가 코드를 실험하고 개선하는 법

네이버 ENGINEERING DAY 2026 발표. Karpathy 의 AutoResearch 방법론을 라이브 스트리밍 플레이어에 적용해, AI 에이전트가 코드를 스스로 수정·빌드·실험·판정하는 자율 루프를 만든 사례다. 이 루프로 스트리밍 품질 지표 QoE 를 17% 개선했고, 7개 시나리오 전체에서 개선을 확인했다.

핵심 포인트

출발점: 저지연 라이브 스트리밍이 요구되는데 hls.js 의 ABR 은 여전히 EWMA 수준에 머물러 학계 SOTA 와 산업 현실 사이 격차가 컸다.
점수판: 실험의 유일한 판정 기준을 QoE 하나로 고정해, 에이전트가 무엇을 개선했는지 사람이 검증 가능하게 만들었다.
자율 루프: Karpathy Agent Loop 를 9개 Phase 로 구현하고 7가지 비타협 원칙을 세워 에이전트의 이탈을 막았다.
검증 장치: 계층적 검증과 Regression Guard 로 통계적 엄격성을 확보하고 Context Rot 을 방지했다. 에이전트에는 3중 기억 장치를 붙였다.
결과: 전체 iteration 맵에서 keep·실패·HALT 케이스를 분석했고, 사람 5시간 대 AI 60시간으로 12배 레버리지를 얻었다.

왜 읽나AI 에이전트에게 실제 프로덕션 코드 최적화를 맡기려는 엔지니어, 그리고 ABR·QoE·LL-HLS 같은 미디어 스트리밍 기술을 처음 보는 개발자에게 자율 실험 루프의 설계 레퍼런스가 된다.

네이버 D2 블로그

원문은 여기서 이어서 읽을 수 있어요

원문 읽기

읽음 (0)

·takedown 요청