에이전트가 예측하지 않고 예측기를 만듭니다 — 소수 예시로 경량 모델 자동 양산

파운데이션 모델은 자원 제약 환경에서 비경제적이고 경량 예측기는 대량의 학습 데이터를 요구합니다. 그래서 데이터가 희소하거나 느리게 축적되거나 프라이버시에 민감한 도메인은 양쪽 어느 쪽도 쓰기 어려운 딜레마에 놓입니다. MetaCaster는 에이전트를 예측자가 아니라 '중간 엔지니어'로 재배치합니다. 소수 예시와 텍스트 컨텍스트만 받아 에이전틱 데이터 생성을 수행하고, 배포용 태스크 특화 경량 시계열 예측기를 만들어 넘기는 meta-harness 최적화 멀티에이전트 프레임워크입니다. 18개 데이터셋, 23개 최신 경량 예측기, 14개 베이스라인 규모의 실험에서 데이터 효율과 계산 효율을 동시에 달성하면서 예측 품질을 유지했다고 밝혔습니다(초록에 정량 개선폭은 없습니다). 에이전트를 태스크별 전문가 모델을 만들어내는 메타 학습자로 두는 시계열 예측 패러다임을 제시한 EMNLP 2026 채택 논문으로, 8월 24일 제출돼 다음 날인 8월 25일 arXiv 리스팅에 올랐습니다.