Solar Computer Use는 Upstage의 거대언어모델(LLM)인 Solar Pro 4를 단일 엔진으로 활용하여, 텍스트 기반의 화면 해석만으로 실제 브라우저와 데스크톱 환경을 제어하는 컴퓨터 유즈 에이전트(Computer-Use Agent) 프로젝트입니다. 이 시스템은 시각적 정보(이미지) 없이 화면 요소 목록을 읽어 행동을 결정하며, 외부 모델 의존 없이 한국의 웹 환경을 자동화하는 것을 목표로 합니다.

핵심 방법론: 4단계 실행 알고리즘

본 연구의 핵심은 모델의 성능을 최적화하기 위해 설계된 네 가지 실행 알고리즘(DOT, BASE, STAR, GATE)입니다.

1. DOT (Delta Observation with stable Tags):

화면의 UI 요소에 고유 태그(ID)를 부여하고, 초기 관측 이후 변경된 요소(Delta)만을 모델에 전달합니다. 이를 통해 전체 화면 정보를 반복적으로 입력하는 대신 변화된 정보만 효율적으로 추적합니다.

2. BASE (Batched Actions with Stop on Emergence):

모델이 여러 동작을 일괄 실행(Batched Actions)하도록 하되, 새로운 입력 필드, 추천 목록, 팝업 창 등 예측되지 않은 이벤트가 발생하면 즉시 실행을 중단하고 재판단을 수행하여 오류를 방지합니다.

3. STAR (STate-Action Repeat guard):

동일한 상태에서 동일한 동작이 무한 반복되는 루프를 방지하기 위해, 과거의 상태-행동 이력을 검사하여 에이전트의 효율성을 높입니다.

4. GATE (Grounded Answer & Task-condition Evaluation):

모델이 스스로 "과제 완료"를 선언하더라도, 이를 즉시 수용하지 않고 호스트 서버가 관측된 결과와 과제 조건(예: 특정 시간 필터링)을 대조합니다. 반려 시 모델에 사유를 전달하여 재수행을 유도함으로써 최종 답변의 신뢰성을 확보합니다.

성능 및 효율성

• 통제 환경: 5가지 과제에서 100/100 성공률을 기록하여 매우 높은 안정성을 입증했습니다.
• WebVoyager 벤치마크: 이미지 입력 없이 텍스트 기반 정보만으로 GPT-4의 성능 대비 92% 수준(36.8%)을 달성했습니다.
• 입력 토큰 효율성: 시스템 엔진이 불필요한 이력을 제거하고 차분(Delta) 데이터 위주로 입력을 구성하여, 기존 에이전트 대비 판단 1회당 입력 토큰을 약 1/3 수준으로 감소시켰습니다.

결론

Solar Computer Use는 Solar Pro 4라는 국산 모델을 활용해 복잡한 외부 경로 없이도 정확도 높은 자동화가 가능함을 보여주었습니다. 특히, 근거 기반의 '완료 판정' 메커니즘은 단순한 추론을 넘어 실제 서비스 환경(정부24, 홈택스 등)에서의 실질적 업무 수행 능력을 크게 향상시켰습니다. 본 연구는 한국어 환경에 최적화된 에이전트 모델의 가능성을 제시하고, 실행 구조(Agentic Workflow)의 설계가 에이전트 성능에 미치는 핵심적인 영향을 실증했습니다.