DeepSeek SWE-sweep 결과, 오픈 웨이트 모델 최초로 1% 돌파
DeepSeek SWE-sweep 결과가 작지만 시사점이 뚜렷한 기준선을 넘었다. 최대 추론 노력 설정의 V4.1 Flash는 해결된 벤치마크 버그 비율 1.7%를 기록했다. 벤치마크 관리자의 설명에 따르면, 해당 팀이 평가한 오픈 웨이트 모델 가운데 1%를 넘은 첫 사례다. 이 단서는 중요하다. 이 결과는 평가된 오픈 웨이트 모델군에서는 선두지만, 여러 독점 모델은 여전히 앞서 있다.
더 어려운 비교는 작업 자체에 관한 것이다. 보고된 문제를 수정할 때 코딩 모델에는 출발점이 주어진다. 반면 특정되지 않은 결함을 발견하려면 수정을 시도하기 전에 어디에 주의를 기울여야 하는지 스스로 결정해야 한다. 이 결과는 유능한 코딩 보조 도구가 이미 신뢰할 만한 자율 유지보수로 이어진다는 주장에 의문을 제기한다.
이는 새로운 DeepSeek 모델 출시가 아니라 벤치마크 업데이트다. 코딩 점수를 해석할 때 경고 신호와 함께 진척도를 가늠할 유용한 척도를 제공한다. 핵심 질문은 에이전트가 준비된 문제 설명 없이 코드베이스에 대한 책임을 부여받을 때 엔지니어링 판단이 얼마나 유지되는가다.
DeepSeek SWE-sweep 결과가 실제로 입증하는 것
이 이정표는 벤치마크 팀이 평가한 오픈 웨이트 모델에 적용되는 것이며, 테스트된 모든 모델을 의미하지는 않는다.
오픈 웨이트 모델은 다른 사용자가 실행할 수 있도록 학습된 파라미터를 제공하지만, 라이선스와 배포 요건은 여전히 별도로 검토해야 한다. 관리자의 벤치마크 업데이트는 DeepSeek의 결과를 명시적으로 이 범주 안에 둔다. 이 한정을 제거하면 좁지만 방어 가능한 발견이 부정확한 전체 선두 주장으로 바뀌게 된다.
이 발표에는 제한적인 시간적 의미도 있다. 이는 기존 리더보드의 모든 항목이 언제 생성됐는지를 확정하는 것이 아니라 추가 평가 결과를 보고한다. 웹사이트에는 2026년 11월 2일 업데이트 라벨이 표시된다. 이 라벨을 이후의 모든 결과나 논의에 대한 추정 타임스탬프로 사용해서는 안 된다.
소셜 미디어를 통해 이 헤드라인을 접한 독자에게 이 구분은 결론을 바꾼다. DeepSeek는 다른 평가된 오픈 웨이트 항목이 아직 도달하지 못한 기준선을 넘었다. 하지만 벤치마크 전체 선두가 된 것은 아니다. 또한 이 발표가 테스트되지 않은 대안이 반드시 더 낮은 점수를 받을 것이라고 입증하는 것도 아니다.
실질적 가치는 특정 역량에 관한 증거를 추가한다는 데 있다. 코딩 모델은 의심스러운 함수를 설명할 때 설득력 있게 보일 수 있다. 더 어려운 질문은 사람이 주의를 어디에 둘지 지시하지 않아도 올바른 함수를 찾아내는지다. 이 차이는 겉보기에 작은 비율도 면밀히 살펴볼 가치가 있는 이유를 설명한다.
이정표에는 분모도 필요하다. 이 점수는 완료된 저장소, 생성 코드의 정확성, 예방된 프로덕션 장애가 아니라 해결된 벤치마크 버그에 관한 것이다. 이를 일반적인 코딩 정확도 점수라고 부르면 작업의 핵심 난점을 지우게 된다. 프로덕션 버그 커버리지라고 부르면 평가 범위를 넘어선 해석이 된다.
엔지니어링 구매자에게 이는 이 수치가 구매 결정에 들어가기 전에 역량 논의의 맥락에 놓여야 함을 의미한다. 테스트할 가치가 있는 영역을 식별할 뿐이다. 서로 다른 관례, 의존성, 문서를 가진 비공개 애플리케이션에서 에이전트가 몇 개의 결함을 찾아낼지는 알려주지 않는다.
이 한정은 결과가 불필요하게 폄하되는 해석으로부터도 보호한다. 낮은 비율이 자동으로 평가의 무의미함을 뜻하지는 않는다. 까다로운 테스트는 쉬운 과제가 가리는 역량을 구분할 수 있다. 그 유용성은 테스트된 행동이 구매자가 위임하려는 책임과 맞는지에 달려 있다.
따라서 DeepSeek 버그 탐색은 엄격한 환경에서 측정된 결과로서 주목할 만하다. 적절한 반응은 승리 선언도 즉각적인 기각도 아니다. 벤치마크가 무엇을 제거하고 무엇을 측정하는지, 그리고 어떤 엔지니어링 판단이 점수 밖에 남는지를 살펴보는 일이다.
이슈 설명을 제거하면 작업 자체가 달라진다
유용한 작업을 발견해야 하는 에이전트는 보고된 결함을 받는 에이전트와 다른 과제를 마주한다.
SWE-sweep 논문은 100개 저장소와 22개 프로그래밍 언어에 걸친 과거 소프트웨어 결함으로 구축된 평가를 설명한다. 데이터세트에는 4,068개의 버그가 포함된다. 에이전트는 버그별 단서 없이 저장소 스냅샷을 받고, 수정안은 숨겨진 테스트와 회귀 검사를 거친다. 회귀란 기존에 정상 작동하던 행동이 새로 손상되는 것을 뜻한다.
이 조건은 출발선을 뒤로 옮긴다. 코드를 수정하기 전에 에이전트는 잘못된 동작에 관한 신뢰할 만한 가설을 세워야 한다. 그 가설을 세우기 전에는 무엇을 조사할지 결정해야 한다. 각 결정에는 상세한 이슈 보고서가 제공했을 주의력이 소모된다.
유용한 비유는 증상 설명이 있는 고장 난 가전제품을 받는 일과, 특정되지 않은 결함을 찾기 위해 건물을 검사하는 일의 차이다. 둘 다 기술적 역량을 요구한다. 그러나 두 번째 과제에는 탐색 전략, 우선순위 설정, 절제도 필요하다. 활동 자체만으로는 올바른 문제를 찾았다는 확신을 거의 제공하지 못한다.
가상의 날짜 처리 라이브러리를 생각해 보자. 개발자는 특정 입력이 잘못된 시간대 변환을 낳는다고 보고할 수 있다. 이런 보고는 관련 동작의 범위를 좁히고 재현 가능한 사례를 제시한다. 그 정보가 없으면 에이전트는 수많은 그럴듯한 경로 가운데 기대 동작과 실제 동작의 불일치를 찾아야 한다.
과제는 단순히 이상한 코드를 알아차리는 일이 아니다. 성숙한 저장소에는 예외, 호환성을 위한 우회 처리, 주변 맥락의 이력이 없으면 일관되지 않아 보이는 결정들이 존재한다. 모든 불규칙성을 결함으로 취급하는 에이전트는 의도된 동작을 바꿀 위험이 있다. 따라서 더 나은 탐색에는 의심스러운 코드를 그대로 두어야 할 이유도 포함되어야 한다.
이 때문에 저장소 증거가 중요하다. 문서는 의도된 계약을 설명할 수 있다. 기존 테스트는 가정을 드러낼 수 있다. 호출자는 함수가 어떻게 동작해야 하는지를 보여줄 수 있다. 엔지니어링 과제는 수정이 정당하다고 결정하기 전에 이러한 신호를 연결하는 것이다.
DeepSeek 코딩 벤치마크 결과는 이 더 넓은 과제와 관련이 있지만, 개별 실패에 대한 상세한 이해를 대체할 수는 없다. 실패한 실행은 결함을 완전히 놓쳤을 수 있다. 실제 문제를 찾아냈지만 잘못된 수정안을 만들었을 수도 있다. 이 결과들은 서로 다른 개선 방향을 시사한다.
개발자에게 이 구분은 자율 지원을 평가하는 방식을 바꾼다. 매끄러운 패치는 에이전트가 제안된 변경을 구현할 수 있는지에 답한다. 설득력 있는 유지보수 결과에는 제안된 변경이 수행할 가치가 있었다는 증거도 필요하다. 시연이 신중히 선택된 작업으로 시작될 때 이 선택 단계는 간과하기 쉽다.
더 큰 함의는 자율성이 사용자가 지시문을 입력하는 빈도를 줄이는 것 이상을 요구한다는 점이다. 누군가는 여전히 작업을 식별하고, 기대 동작을 확립하며, 증거가 행동을 뒷받침하는 시점을 결정해야 한다. 이 의무들이 모델로 옮겨가면, 그것들은 검토 대상 역량의 일부가 된다.
오픈 웨이트의 진전에도 상당한 격차는 남아 있다
DeepSeek의 위치는 오픈 웨이트 비교를 개선하지만, 상위에 표시된 독점 모델 결과와의 거리를 좁히지는 못한다.
현재 리더보드는 최대 추론 노력에서 DeepSeek V4.1 Flash가 1.7%, 높은 노력에서 0.9%를 기록했다고 표시한다. GLM 5.3 Flash와 MiniMax M3.1 Flash는 최대 노력에서 각각 0.7%를 기록했다. OpenAI의 Astra 6는 표시된 관리자의 평가에서 9.5%로 선두이며, Anthropic의 Opus 5.5는 3.6%를 기록했다.
이 비교는 이정표를 비례에 맞게 바라보게 한다. 이 결과는 평가된 오픈 웨이트 그룹 안에서 DeepSeek를 구별한다. 동시에 기준선 돌파를 광범위한 동등성과 혼동해서는 안 되는 이유도 보여준다. 동일한 리더보드에는 훨씬 더 강한 결과가 포함되어 있으며, 그 결과들조차 여전히 개선의 여지를 상당히 남긴다.
추론 노력은 모델이 사용할 수 있도록 권장되거나 허용되는 숙고의 양을 규정하는 평가 설정이다. 명명된 설정만으로는 서로 다른 모델 간 자원 소비가 동등하다는 점을 입증하지 않는다. 따라서 독자는 결과를 비교할 때 각 제품명을 완전한 설명으로 여기기보다 보고된 구성을 유지해야 한다.
DeepSeek 설정 간의 대조는 구성이 관찰된 결과를 바꾸기 때문에 중요하다. 그렇다고 더 많은 추론이 모든 저장소에서 항상 개선을 가져온다는 뜻은 아니다. 또한 추가 작업의 어떤 요소가 차이를 만들었는지도 밝히지 않는다. 이를 확인하려면 실행 과정을 검토하고 설명을 테스트해야 한다.
상업적 압력은 광범위한 소프트웨어 유지보수를 약속하는 공급업체에 가해진다. 개발자 지시를 중심으로 설계된 보조 도구는 가치 있는 작업을 독립적으로 선택하지 않아도 유용할 수 있다. 자율 유지보수 제품은 더 큰 약속을 한다. 그 평가는 고객에게 이전해 달라고 요구하는 책임을 반영해야 한다.
오픈 웨이트의 가용성은 배포에 대한 통제와 주변 소프트웨어를 검사하거나 조정할 수 있는 능력 등 구매자가 고려할 요소를 추가한다. 이 요소들은 별도의 평가를 받을 가치가 있다. 그렇다고 역량 격차가 사라지는 것은 아니며, 역량 격차가 이 요소들의 중요성을 없애는 것도 아니다.
이 시스템을 평가하는 기업이라면 합리적인 비교는 의도된 과제에서 시작한다. 진단된 결함에 대한 도움을 원하는 팀에는 수정 품질에 관한 증거가 필요하다. 사람의 감독 없이 저장소를 점검하려는 팀에는 발견 능력, 오탐, 안전한 완료에 관한 증거가 필요하다. 비슷한 인터페이스는 매우 다른 책임을 감출 수 있다.
DeepSeek SWE-sweep 이정표는 바로 이 구분을 피하기 어렵게 만든다는 점에서 유용하다. 구매자는 진전을 인정하면서도 결과가 실제 워크플로를 다루는지 물을 수 있다. 순위는 엔지니어링 유용성의 보편적 서열이 아니라 조사를 시작할 지점을 제공한다.
모델 위치만으로 조직적 결과를 추론하는 것도 시기상조다. 더 높은 벤치마크 점수가 팀이 절감할 검토 시간을 구체적으로 알려주지는 않는다. 검토 관행, 저장소 특성, 배포 제한은 모두 그 전환에 영향을 미친다. 벤치마크는 성능 차이를 식별하며, 구매자는 그 운영상 중요성을 확립해야 한다.
더 많은 에이전트 장치는 더 나은 발견의 증거를 필요로 한다
모델 주변에 소프트웨어를 추가하는 것은 명확히 명시된 조건에서 유용한 결과를 개선할 때에만 인정받을 가치가 있다.
에이전트 하니스는 모델 상호작용, 도구, 실행을 관리하는 주변 소프트웨어를 뜻한다. SWE-sweep 관리자는 나열된 비교가 이 환경을 일관되게 유지하기 위해 mini-SWE-agent를 사용한다고 말한다. 관리자는 테스트한 대체 하니스가 결과를 크게 개선하지 못했으며, 추가 에이전트는 수확 체감과 함께 도움을 주었다고도 보고한다.
이 발견은 그 근거가 된 실험 범위 안에 남아야 한다. 가능한 모든 오케스트레이션 설계가 도움이 되는지 또는 실패하는지를 결론짓지는 않는다. 그러나 단순한 구성을 더 정교한 구성으로 교체하면 자율적 발견 문제가 자동으로 해결된다는 가정에는 의문을 제기한다.
소프트웨어는 판단력을 높이지 않고도 작업 과정을 개선할 수 있기 때문에 이 구분은 중요하다. 하니스는 명령 실행을 쉽게 하거나 단계 사이의 정보를 보존할 수 있다. 해결되지 않은 질문은 그러한 편의성이 에이전트가 실제 결함을 찾아내고 올바른 수정을 마무리하는 데 도움이 되는지다.
여러 에이전트를 조율하는 구성인 멀티에이전트 시스템은 같은 질문의 또 다른 형태를 제기한다. 병렬 작업자는 서로 다른 영역을 살필 수 있다. 하지만 작업을 중복하거나, 근거가 약한 가설을 추적하거나, 서로 양립할 수 없는 변경을 제안할 수도 있다. 가치는 시스템이 이들의 작업을 얼마나 효과적으로 배분하고 결합하는지에 달려 있다.
구성 요소별로 나눈 가상의 저장소 검토를 생각해 보자. 한 에이전트는 입력 검증을 살피고, 다른 에이전트는 직렬화를 검토한다. 이 분업은 서로 구별되고 정당화된 수정을 발견한다면 유용하다. 두 에이전트가 서로 다른 이름 아래 동일한 근본 동작을 추적한다면 유용성은 떨어진다.
조율은 검토 부담도 만든다. 그럴듯한 발견 사항이 모여도 타당성, 중복, 호환성에 관한 판단은 여전히 필요하다. 더 많은 제안을 생성하는 제품이 반드시 이를 평가하는 데 필요한 작업을 줄인 것은 아니다. 유용한 자율성은 최종 기여의 품질을 높여야 한다.
이는 에이전트 제품이 진전을 입증하는 방식에 부담을 준다. 장시간 도구를 사용하는 기록은 인상적으로 보일 수 있다. 설득력 있는 평가는 그러한 활동을 독립적으로 확인된 결과와 연결한다. 구매자는 시스템의 추가 복잡성이 단지 더 긴 작업 기록이 아니라 더 나은 유지보수를 만들어 내는지 알아야 한다.
DeepSeek 버그 탐지에서 남은 질문은 어떤 변화가 발견 자체를 개선하는가다. 더 나은 저장소 탐색, 더 강력한 동작 가설, 더 명확한 중단 판단은 그럴듯한 조사 방향이다. 통제된 실험이 개선 효과가 어디서 발생하는지 보여줄 때까지는 가설로 남아야 한다.
더 넓은 추론은 분명하다. 오케스트레이션과 모델 역량에는 별도의 증거가 필요하다. 신중하게 설계된 시스템은 모델의 유용성을 높일 수 있지만, 그 설계는 결과를 통해 그러한 결론을 입증해야 한다. 이 벤치마크는 더 많은 구성 요소가 더 나은 엔지니어링을 의미한다고 가정하지 않고도 개발자가 이러한 주장을 조사할 방법을 제공한다.
점수만으로는 모든 배포 질문에 답할 수 없다
공개된 결과는 제한된 역량 주장을 뒷받침하지만, 배포 신뢰성과 효율성에는 추가 증거가 필요하다.
DeepSeek 모델 결과는 중요한 보고상의 한계를 드러낸다. 세부 페이지는 디스크 공간 부족 오류로 Datafusion 궤적 및 사용량 데이터가 손실된 뒤 전체 모델의 리소스 평균을 사용할 수 없다고 표시한다. 이 때문에 해당 필드만으로는 완전한 효율성 평가가 불가능하다. 누락된 측정치는 추정된 장점으로 바뀌지 않고 그대로 누락된 상태여야 한다.
이 공개는 유용한 수정과 리소스 소비가 서로 다른 질문에 답하기 때문에 중요하다. 한 팀은 가치 있는 유지보수 작업을 위해 더 느린 분석을 받아들일 수 있다. 다른 팀은 예측 가능한 처리 시간을 요구할 수 있다. 완전한 측정치가 없으면 이 벤치마크는 어느 구매자에게도 그 절충을 판단해 줄 수 없다.
정확성에 관한 주장에도 같은 주의가 적용된다. 평가를 통과하면 해당 테스트와 규칙 안에서 증거가 제공된다. 운영 소프트웨어에는 명시되지 않은 기대, 통합 동작, 운영 제약도 포함된다. 저장소가 실제라는 이유만으로 벤치마크 결과가 그러한 모든 조건을 보증할 수는 없다.
과거 버그 데이터세트는 또 다른 해석상의 경계를 만든다. 이는 제출된 변경을 확인할 수 있는 알려진 결함을 제공한다. 기저 소프트웨어에 존재할 수 있는 모든 결함의 목록을 제공하지는 않는다. 따라서 벤치마크 백분율이 에이전트가 찾을 수 있는 모든 실제 버그의 비율에 대한 진술이 되어서는 안 된다.
유용한 발견과 포괄적인 유지보수 사이에도 차이가 있다. 시스템은 다른 중요한 문제를 놓치면서도 가치 있는 수정을 만들어 낼 수 있다. 이는 여전히 개발자에게 도움이 될 수 있다. 위험은 유용한 기여가 저장소가 철저히 검토되었다는 주장으로 바뀔 때 발생한다.
유지보수자에게 실용적인 수용 기준은 발견 품질과 표현 품질을 분리해야 한다. 명료한 설명은 약한 가설도 설득력 있게 들리게 할 수 있다. 검토는 동작 증거, 제안된 변경, 그리고 그 변경이 의도적인 계약을 바꿀 가능성을 살펴야 한다.
비공개 조직 맥락은 비교를 더욱 복잡하게 만든다. 저장소는 소스 파일 외부에 기록된 결정에 의존할 수 있다. 에이전트의 오해는 맥락 누락, 불충분한 추론 또는 둘 모두를 반영할 수 있다. 이러한 가능성을 평가하려면 시스템이 어떤 정보를 받았는지 알아야 한다.
그 문제를 다루는 팀은 기술 지식 기반에서 보조 자료를 정리할 수 있다. 이는 관련 증거에 대한 접근을 다룬다. 에이전트가 증거를 올바르게 해석하거나 문서를 추가하는 것이 이 벤치마크 점수를 높인다는 사실을 입증하지는 않는다.
따라서 DeepSeek 코딩 벤치마크 결과는 구매자가 제기하는 질문에 영향을 주어야지, 그 질문을 없애서는 안 된다. 어떤 발견이 검토를 통과하는가? 어떤 변경이 예상치 못한 동작을 초래하는가? 어떤 실행이 멈추는가? 유용한 작업은 얼마나 일관되게 나타나는가? 이러한 질문은 연구 결과를 실제 엔지니어링 팀의 책임과 연결한다.
적절한 회의론은 구체적이다. 이정표를 일축하거나 자율 유지보수가 개선될 수 없다고 가정할 필요는 없다. 평가된 주장을, 이용 가능한 증거가 뒷받침하지 않는 인접한 주장과 분리해 두어야 한다는 뜻이다.
다음 결과를 더 설득력 있게 만들 요소
다음으로 의미 있는 진전은 재현성, 발견 품질, 리소스 보고를 함께 강화해야 한다.
향후 몇 달 동안 주목할 첫 번째 신호는 명확히 문서화된 설정에서의 독립적 재현이다. 프로젝트의 평가 저장소는 복제와 추가 조사를 가능하게 한다. 설득력 있는 후속 결과는 모델 구성을 식별하고, 실행 기록을 보존하며, 원래 조건에서 벗어난 부분을 설명할 것이다.
재현은 리더보드 항목이 평가 과정 안에서의 관찰이기 때문에 중요하다. 다른 팀이 그 과정을 따를 때도 결과가 신뢰할 수 있는지 실험을 반복해 검증한다. 연구자들이 차이를 경쟁하는 헤드라인 백분율로 축소하지 않고 조사한다면, 불일치는 유익한 정보를 제공할 수 있다.
반복된 결과는 DeepSeek의 보고된 위치에 대한 신뢰를 높일 것이다. 실질적으로 다른 결과가 나오면 설정, 환경, 실행 실패를 검토해야 한다. 어느 결과도 그러한 세부 사항 없이 해석되어서는 안 된다. 가치는 역량이 나타나는 조건을 명확히 하는 데 있다.
두 번째 신호는 모델 개선과 에이전트 동작 변화를 분리하는 통제된 비교다. 향후 평가는 개선이 다른 모델, 더 광범위한 탐색, 더 나은 조율 또는 다른 변화에서 비롯되는지 명확히 해야 한다. 그렇지 않으면 진전의 원인을 파악하기 어렵고 개발자가 재현하기도 더 어려워진다.
특히 유용한 결과는 에이전트가 약한 제안을 늘리거나 이전 수정을 불안정하게 만들지 않으면서 추가적인 유효 결함을 찾는다는 점을 보여줄 것이다. 이는 더 폭넓은 위임의 근거를 뒷받침할 것이다. 단순히 더 많은 패치를 생성하는 것은 더 약한 증거가 된다. 양이 엔지니어링 가치를 입증하지는 않기 때문이다.
이 신호는 오픈 웨이트 격차와도 관련이 있다. 비교 대상이 확대될 때 DeepSeek의 위치가 유지되는지 추가 평가로 드러낼 수 있다. 순위가 바뀌더라도 더 강력한 경쟁 구도는 구매자에게 제공되는 증거를 개선할 것이다. 현재의 임계값 최초 돌파 주장은 실제로 평가된 모델에 계속 한정되어야 한다.
세 번째 신호는 리소스 사용량과 운영 실패에 대한 완전한 보고다. 복원된 측정치는 독자가 개선에 훨씬 더 많은 작업이 필요한지 평가할 수 있게 해 줄 것이다. 명확한 실패 기록은 모델의 한계와 중단된 실행, 누락된 기록, 환경 문제를 구분해 줄 것이다.
더 나은 보고는 실용적 유용성에 관한 주장을 강화할 것이다. 헤드라인 점수가 올라가더라도 계속되는 공백은 그러한 주장을 미해결 상태로 남길 것이다. 구매자에게는 결과와 이를 얻기 위해 필요한 조건이 모두 필요하다. 그렇지 않으면 겉보기 개선이 덜 예측 가능한 운영 과정을 감출 수 있다.
개발자에게 이러한 신호는 백분율을 반복하는 경쟁보다 더 유용한 관찰 목록을 제공한다. 중요한 진전은 에이전트가 가치 있는 작업을 더 일관되게 선택하고, 안전하게 완료하며, 다른 사람이 결과를 평가할 수 있도록 충분한 세부 정보를 공개한다는 증거다. 이는 이 이정표 뒤에 있는 핵심 긴장을 다룰 것이다.
에이전트의 권한을 확대하기 전에 제안된 역할을 여기서 측정된 작업과 비교하라. 주장된 각 결함의 증거를 보존하고, 맥락 속에서 수정을 검토하며, 도움이 되는 보조와 감독 없는 책임을 구분하라. DeepSeek SWE-sweep 결과를 그 평가를 날카롭게 하는 데 사용하되, 이를 대체물로 삼지는 말라. 팀이 이미 진단된 문제를 수정하는 보조 도구를 신뢰한다면, 그 도구가 문제를 직접 선택하도록 허용하려면 어떤 추가 증거가 필요한지 물어보라. 가장 유익한 다음 시험은 그 책임을 가시화하는 시험이다. 벤치마크 설정을 검토하고, 워크플로가 추가하는 책임이 무엇인지 파악한 뒤, 그 책임이 개발자에서 에이전트로 넘어가기 전에 설득력 있는 결과가 무엇을 보여야 하는지 결정하라.



