Maoquan Wang

Microsoft 소속 연구 과학자로, LLM 코딩 에이전트의 레포지토리 탐색 비효율을 정량 분석하고 경량 탐색 서브에이전트를 훈련하는 연구를 진행합니다.

FastContext - Training Efficient Repository Explorer for Coding Agents 논문에서 Shaoqiu Zhang과 함께 공동 제1저자를 맡아, GPT-5.4 궤적 300개를 분석해 탐색 단계가 전체 도구 호출 턴의 56.2%, 총 토큰 소비의 46.5%를 차지한다는 진단을 제시했습니다. 이 실증적 분석이 FastContext의 설계 동기를 뒷받침합니다.

SWE-bench Multilingual, SWE-bench Pro, SWE-QA에 걸친 엔드투엔드 평가와 4B/30B 모델의 SFT+RL 훈련 파이프라인을 주도했습니다. 레포지토리 탐색을 메인 에이전트에서 분리해 전용 서브에이전트에 위임하면 정확도와 비용 두 축에서 동시에 개선이 가능하다는 것을 보인 핵심 저자입니다.