검색 에이전트의 성능은 모델 크기만으로 결정되지 않는다. 긴 검색 과정에서 어떤 문서를 봤는지, 어떤 증거가 유효한지, 무엇을 이미 검증했는지를 안정적으로 관리하는 능력이 중요하다.
Harness-1은 이 문제를 겨냥한 20B 검색 서브에이전트다. UIUC와 Chroma가 개발했으며, gpt-oss-20b 기반에서 강화학습으로 훈련됐다. 관련 논문은 2026년 6월 1일 arXiv에 제출됐다.1
핵심 아이디어: 기억을 모델 밖으로 꺼내기
기존 검색 에이전트는 긴 대화 기록 전체를 다시 읽으며 현재 상태를 복원해야 했다. 무엇을 검색했고, 어떤 후보가 남았고, 어떤 증거를 확인했는지까지 모델이 문맥 안에서 계속 추적해야 하는 구조다.
Harness-1은 이 부담을 모델이 아니라 하니스(harness)에 맡긴다. 여기서 하니스는 모델 바깥에서 작업 상태를 유지하는 실행 환경이다.
구체적으로 하니스는 후보 문서 풀, 선별된 문서 세트, 증거 링크, 검증 기록, 압축·중복 제거된 관찰을 관리한다.1 정책 모델은 그 위에서 무엇을 검색할지, 어떤 문서를 유지하거나 폐기할지, 무엇을 검증할지, 언제 멈출지를 결정한다.1
즉, 모델은 모든 기억을 떠안는 대신 검색 전략에 집중한다.
강화학습이 배우는 문제가 달라진다
이 구조의 의미는 단순한 엔지니어링 개선에 그치지 않는다. 강화학습의 대상 자체가 더 명확해진다.
모델이 긴 로그에서 상태를 추론하도록 훈련하는 것이 아니라, 외부에 정리된 검색 상태를 바탕으로 더 나은 결정을 내리도록 훈련한다. 다시 말해 Harness-1은 모델의 “기억력”보다 “검색 의사결정”을 학습시키는 접근에 가깝다.
평가 결과도 이 방향을 뒷받침한다. Harness-1은 웹, 금융, 특허, 멀티홉 질의응답을 포함한 8개 검색 벤치마크에서 평균 curated recall 0.730을 기록했다.1 특히 학습 도메인 밖 전이 벤치마크에서 성능 향상이 크게 나타났다.1
실무자가 봐야 할 판단 기준
Harness-1이 주는 실무적 메시지는 분명하다. 검색형 RAG나 리서치 에이전트를 만들 때 “어떤 모델을 쓸 것인가”만큼 “상태를 어디에, 어떻게 둘 것인가”를 먼저 봐야 한다.
검토할 질문은 세 가지다.
후보 문서를 어떻게 쌓고 갱신하는가
중복 제거와 관찰 압축을 어떻게 처리하는가
검증 기록을 모델 내부 문맥이 아니라 시스템 상태로 남기는가
이 질문에 답하지 못하면 모델이 커져도 긴 검색 과정에서 품질이 흔들릴 수 있다. 반대로 상태 관리가 명확하면 모델은 더 중요한 판단, 즉 검색·선별·검증·중단 결정에 집중할 수 있다.
Harness-1의 기반인 gpt-oss-20b는 오픈 웨이트 텍스트 전용 언어 모델이다. OCI 문서 기준 모델 크기는 210억 파라미터이며, 이미지·오디오·비디오·문서 파일 입력은 지원하지 않는다.2 따라서 Harness-1은 멀티모달 능력보다 텍스트 검색 과정의 구조화와 강화학습에 초점을 둔 사례로 보는 편이 적절하다.
결론
Harness-1의 핵심은 “검색 에이전트의 기억을 모델 안에만 둘 필요가 없다”는 점이다. 후보, 증거, 검증 이력 같은 작업 상태를 환경이 관리하면 모델은 더 명확한 의사결정 문제를 풀 수 있다.
검색 에이전트의 품질은 모델 하나로 결정되지 않는다. 모델이 일하는 작업대, 즉 상태 관리 구조까지 함께 설계할 때 개선된다.
참고
1[2606.02373] Harness-1: Reinforcement Learning for Search Agents with State-Externalizing Harnesses
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.