AgenticIR(Agentic Information Retrieval)는 LLM 기반 에이전트가 자율적으로 IR 워크플로우를 계획하고 실행하는 모듈형 프레임워크입니다. 쿼리 생성자, 문서 검색기, 요약기 등의 에이전트 역할을 정의하고, 이를 사용자 지정 가능한 시퀀스에서 실행할 수 있습니다. 에이전트는 원시 텍스트를 수집하고, 중간 결과를 바탕으로 쿼리를 개선하며, 추출된 구절을 간결한 요약으로 병합할 수 있습니다. 이 프레임워크는 반복적 웹 검색, API 기반 데이터 수집, 로컬 문서 파싱 등 다단계 파이프라인을 지원합니다. 개발자는 에이전트 파라미터를 조정하고, 다양한 LLM을 통합하며, 동작 정책을 세밀하게 조정할 수 있습니다. 또한, 로그 기록, 오류 처리, 병렬 에이전트 실행을 제공하여 대규모 정보 수집이 즉각적으로 가능합니다. 최소한의 코드로 연구자와 엔지니어는 자율 검색 시스템의 프로토타입 제작 및 배포가 가능합니다.

멀티 에이전트 검사 시뮬레이션은 Unity 3D 환경 내에서 여러 자율 에이전트가 협력하여 검사 작업을 수행할 수 있도록 하는 포괄적 프레임워크를 제공합니다. 이 환경은 검사 대상, 조절 가능한 보상 함수, 에이전트 행동 매개변수와 함께 Unity ML-Agents와 통합됩니다. 연구자는 Python API를 통해 맞춤 환경 스크립트 작성, 에이전트 수 정의, 훈련 커리큘럼 설정이 가능하며, 병렬 훈련 세션, TensorBoard 로그 기록, 레이캐스트, 카메라 피드, 위치 데이터 등 맞춤 관측 기능도 지원합니다. 하이퍼파라미터와 환경 복잡도를 조절하여 커버리지, 효율성, 협력 지표에 대한 강화 학습 알고리즘의 벤치마킹도 가능합니다. 오픈소스 코드는 로봇 프로토타이핑, 협력 AI 연구, 다중 에이전트 시스템의 교육용 데모 확장에 적합합니다.