본 논문은 현실 세계 에이전트가 논리적 판단뿐만 아니라 시의적절한 판단을 내려야 한다는 점에 주목하여, 변화하는 환경에서 에이전트의 실시간 추론 문제를 새롭게 정의하고 Real-Time Reasoning Gym을 제시합니다. 연구진은 반응형 에이전트와 계획형 에이전트 두 가지 패러다임을 연구했으며, 최신 모델조차 이 두 가지 패러다임 모두에서 어려움을 겪는 것을 확인했습니다. 이러한 한계를 극복하기 위해, 본 논문은 두 가지 패러다임을 동시에 활용하는 AgileThinker를 제안하고, 이를 통해 태스크 난이도와 시간 제약이 증가할수록 더 나은 성능을 달성함을 보입니다. 본 연구는 실시간 추론을 실용적인 에이전트 개발을 위한 핵심적인 테스트베드로 제시하며, 시간 제약적 AI 시스템 연구의 기반을 마련합니다.
