Macaron-V1은 실제 환경에서 학습하고 배포 후에도 학습을 계속할 수 있도록 설계된 경험적 지능용 오픈 에이전트 모델 패밀리입니다. 이 시스템은 두 가지 목표에 중점을 둡니다: 모델-하arness 쌍의 재귀적 개선을 통한 적응과, 사용자 턴마다 전문가 LoRA 어댑터를 선택하는 Mixture-of-LoRA (MoL) 아키텍처를 통한 협업.

  • 플래그십 Macaron-V1-Venti는 채팅, 에이전트, 코딩, GenUI용 4개의 LoRA와 함께 744B GLM-5.2 베이스를 결합합니다.
  • Macaron-V1-Tall은 동일한 MoL 설계를 사용하여 로컬 배포용 Qwen3.6 기반 50B 모델을 사용합니다.
  • 알고리즘은 Model-Harness 공동 설계, 재귀적 자기 개선 및 MindForge 에이전트 RL 프레임워크를 통합합니다.
  • 인프라에는 MinT 사후 학습 플랫폼과 LongStraw 긴 컨텍스트 RL 방법이 포함됩니다.

보고서는 개인 지능, GenUI 및 일반 능력 벤치마크에서 시스템을 검증했지만, 지속 학습으로 인한 누적 이점은 여전히 미해결 과제입니다.