A11 Cognitive Layer 도입을 통한 Isolated Agent의 루핑 및 Goal Drift 해결

Context

Isolated Execution Environment 내 LLM 기반 Agent가 Goal Drift 및 Context Collapse로 인해 반복적 실패를 겪는 한계 존재. ReAct, Reflexion 등 기존 패턴은 지속적인 목표 유지 및 모순 감지 기능의 부재로 인해 안정적인 Task 수행이 불가능한 구조임.

Technical Solution

• LLM Reasoning Core 상위에 A11 Meta-Reasoning Layer를 배치하여 인지적 제어 구조 설계
• S1(Goal)부터 S11(Verification)까지의 단계적 상태 전이 모델을 통한 실행 안정성 확보
• S2(Constraints)와 S3(Knowledge) 간의 Tension Point 탐지를 통한 실시간 모순 감지 및 S1_new로의 목표 재설정(Reformulation) 수행
• Adaptive Pass Depth 적용을 통해 지식 기반의 복잡도에 따라 추론 단계의 깊이를 동적으로 조절
• Integrity Log를 통한 실패 이력 저장 및 피드백 루프를 구성하여 동일한 오류의 반복 발생 억제
• Python-loop 기반의 Controller가 A11 상태를 기반으로 Sandboxed Tool을 제어하는 계층적 아키텍처 구현