본 논문은 과학 컴퓨팅과 같은 전문 분야에서 GUI(Graphical User Interfaces)를 위한 자율 에이전트의 설계에 대한 문제를 해결하기 위해, 장기 계획과 정밀한 실행이 모두 필요한 상황에서 기존의 일반적인 에이전트와 전문적인 에이전트의 한계를 극복하는 새로운 접근 방식을 제시합니다. 기존의 접근 방식은 계획 능력과 실행 능력 간의 상충 관계를 갖는 반면, 본 논문에서 제시하는 CODA는 일반적인 계획자(Cerebrum)와 전문적인 실행자(Cerebellum)를 통합하는 학습 가능한 구성형 프레임워크입니다. CODA는 두 단계의 파이프라인을 통해 훈련됩니다. 첫 번째 단계인 Specialization에서는 각 과학 응용 프로그램에 대해 전문 계획자를 개별적으로 훈련하고, 두 번째 단계인 Generalization에서는 모든 성공적인 궤적을 모아 최종 계획자를 위한 지도 학습 미세 조정에 사용합니다. 이를 통해 CODA는 강력한 실행 능력과 도메인 간 일반화 능력을 모두 갖추게 됩니다. ScienceBoard 벤치마크의 네 가지 과제에서 CODA는 기존 방법들을 상당히 능가하며 오픈소스 모델 중 최고 성능을 달성합니다.
