LLM 턴은 줄이고, 한 턴의 명령은 늘리면 리서치 에이전트가 더 믿을 만해질까?

에이전트 작업에서 LLM 턴은 줄이고, 한 턴 안의 명령은 늘리는 방식을 시험해 봤습니다.

15장짜리 조사+제작 과제에서 직접 실행 방식은 평균 10턴·82회 도구 호출, CLI 방식은 13.5턴·10.5회 호출이었습니다. 한 턴에서 약 20개의 레시피/영상 검색을 동시에 돌렸고, 마지막에는 출처 10개, 중복 없는 영상 10개, 에셋 15개, 화면 폭 3개를 검증하면서 잘못된 주소 하나도 수정했습니다.

4회 사례라서 보편적인 속도 주장은 아닙니다. 핵심은 턴은 판단을 하고, 명령은 검색·테스트·검증 가능한 일을 하게 만드는 것입니다.

과제: https://turaai.net/benchmark-task?task=east-asian-squid-recipes-slides

결과: https://github.com/Tura-AI/benchmark/tree/main/results/design/east-asian-squid-recipes-slides/report-20260711-design-matrix

공개: 저는 Tura와 이 benchmark를 관리합니다.