본 논문은 거대 언어 모델(LLM) 기반의 에이전트 시스템의 한계를 극복하기 위해, Gödel 머신에서 영감을 받은 자기 진화적 프레임워크인 "Gödel Agent"를 제시합니다. Gödel Agent는 사전 정의된 루틴이나 최적화 알고리즘에 의존하지 않고, LLM을 활용하여 프롬프팅을 통해 자신의 로직과 행동을 동적으로 수정하며 자기 개선을 수행합니다. 수학적 추론 및 복잡한 에이전트 작업에 대한 실험 결과, Gödel Agent는 수동으로 제작된 에이전트보다 성능, 효율성 및 일반화 가능성 측면에서 우수한 지속적인 자기 개선을 달성함을 보여줍니다.
