본 논문의 목적은 시뮬레이션된 동적 환경에서 인간과 다중 에이전트(agent) 간의 상호작용을 가능하게 하는 설계 원칙과 소프트웨어 아키텍처를 제공하는 것이다. 이는 트랜스포머(transformer) 기반 대화형 에이전트의 확산 및 향상된 컴퓨팅 연산 능력과 더불어 범용 인공지능(AI/AGI)의 현시대를 연결한다. 현재 및 과거의 다중 에이전트 마음 이론(사회적 및 정서적으로 인지하는 에이전트)에 대한 개요를 바탕으로, 에이전트 상호 간 및 인간과의 통합적 상호작용 설계의 존재는 미래 인간-에이전트 추론 시스템에서 지속 가능성과 거버넌스를 구축하는 방법을 이해하는 데 결정적이어야 한다. 본 연구에서는 다음 항목들을 통합하는 소프트웨어 "AGIMUD"를 제시한다: A. 에이전트 행동 및 상호작용에 있어 사회적 인지 추론과 감정, B. 인간 사용자, 인공 에이전트, 시뮬레이션된 환경을 위한 인간 다중 모달(multimodal) 체계 설계, C. 다수의 자율 에이전트를 지원하기 위해 네트워크를 통한 AI 연산 처리 분산. 이러한 통합을 통해 에이전트와 인간 모두가 실시간으로 동시에 상호작용할 수 있는 머드(MUDs, multi-user dungeons) 형태의 동적 환경 재현이 가능해진다. 코드는 https://github.com/dberga/AGIMUD 에서 온라인으로 확인할 수 있다.
멀티 에이전트 시스템은 작업을 동시에 실행함으로써 복잡한 과제의 지연(latency)을 줄일 수 있다. 여러 선구적인 하네스(harness) 프레임워크가 멀티 에이전트 시스템을 지원한다. 그러나 현재 멀티 에이전트 하네스의 확장성은 작업을 할당하고 워커를 조율하는 중앙 오케스트레이터의 처리 능력에 의해 종종 제약된다. 이 한계를 해결하기 위해 중앙 오케스트레이터 없이 확장 가능한 자기 조직화(self-organized) 멀티 에이전트 하네스인 Agensh를 제안한다. 동시에 동작하는 워커들이 멀티 에이전트 협력 루프를 실행하며, 맥락을 지속적으로 수집하고, 하위 과제를 클레임(claim)하여 스스로 할당하며, 행동을 취하고 결과를 공유하고, 결과를 검증하며, 진행 상황을 비동기적으로 병합한다. 이 루프는 세 가지 구성 요소로 이루어진 에이전틱 조직(agentic organization) 인프라가 뒷받침한다. 공유 워크스페이스는 제안·진행·완료된 작업을 보관하고, 메시지 인터페이스는 워커 간 통신을 가능하게 하며, 공유 컨텍스트는 재사용 가능한 발견과 작업 의도를 유지한다. Agensh의 확장성을 검증하기 위해 GPT-5.6-sol (high)로 ProgramBench에서 가장 어려운 다섯 과제를 평가했다. 에이전트 수를 1에서 128로 늘리면 평균 최종 테스트 통과율이 19.31%에서 28.78%로 상승하여 약 49%의 상대적 향상을 보인다. 더 큰 조직은 더 이른 시점에 비슷한 테스트 통과율에 도달한다. pandoc 과제에서는 에이전트를 1에서 1,024로 늘리면 최종 테스트 통과율이 33.89%에서 55.06%로 상승한다. 워커 궤적은 또한 조직이 커질수록 다양한 형태의 자기 조직화 협력이 점진적으로 출현(emerge)하고 표준화됨을 보여 준다. 이러한 결과는 에이전트 수를 멀티 에이전트 조직이 일반 지능(general intelligence)의 프론티어를 넓히기 위한 새로운 스케일링 차원으로 삼을 수 있음을 보여 주며, 엄격한 지연 제약이나 시간 예산 하의 복잡한 과제에 대한 실용적 해결책을 제공한다.
사회 규범은 행동만으로는 식별할 수 없다. 동일한 협력적 균형이 공유된 기대, 전략적 유인, 또는 단순한 모방을 반영할 수 있기 때문이다. 그러나 멀티 에이전트 대규모 언어 모델(LLM) 시스템에서 기존 연구는 대체로 행동적 수렴을 규범 출현의 증거로 취급한다. 본 연구에서는 행동적 수렴에 더하여 에이전트가 보고하는 경험적 기대(empirical expectations)와 규범적 기대(normative expectations)를 측정하는 평가 프레임워크를 제안한다. 통제된 어블레이션(ablation)을 통해 기대 도출(expectation elicitation)의 효과를 검증하고, 규범 형성 이론의 핵심인 두 가지 집단적 메커니즘, 즉 상호작용을 통한 사회적 학습과 네트워크 기반 집단 형성을 통한 사회적 선택을 분리하여 분석한다. 또한 네 가지 LLM 계열에 걸쳐 적대적 교란 상황에서 이러한 동역학의 안정성을 추가로 검증한다. 그 결과, 기대를 도출하면 협력적 기여가 증가하고, 사회적 학습은 행동을 안정화하며, 사회적 선택은 협력자를 안정적으로 식별하지만 행동적 강화 효과는 제한적임을 확인하였다. 교란 이후에는 규범적 기대와 행동적 조율이 서로 다르게 회복된다. 종합하면, 이러한 결과는 유사한 협력적 결과가 서로 다른 근본적 사회 과정에서 비롯될 수 있음을 보여준다. 본 프레임워크는 기대를 관측 가능하게 만들어 각 메커니즘의 기여를 개별적으로 규명할 수 있게 하며, 멀티 에이전트 시스템 설계자에게 협력을 지속시키는 사회적 과정을 선택하기 위한 원칙적 근거를 제공한다.
병렬로 동작하는 코딩 에이전트(agent)는 각자 단독으로는 잘 동작하지만 병합하면 실패하는 패치를 만들어 낼 수 있다. 이는 한 에이전트가 다른 에이전트가 여전히 의존하고 있는 인터페이스나 규칙을 변경할 때 발생한다. 우리는 의미적 조율(semantic coordination)을 평가하는 벤치마크 stale을 사용하여 이러한 실패를 연구한다. 우리의 평가는 각 패치를 단독으로 적용한 경우와 두 패치를 결합한 경우에 동일한 테스트를 실행하며, 패치를 결합했기 때문에 새로 발생한 실패만을 집계한다. 평가에는 세 가지 계층을 사용한다. 인터페이스 변경을 통제한 합성 과제, 병합된 풀 리퀘스트(pull request) 쌍, 그리고 실제 Django 헬퍼를 사용해 구성한 과제이다. 채점 절차를 수정한 후, 마이닝한 417개 Django 쌍에 대한 834회 실행 중 간섭이 나타난 경우는 단 한 건뿐이었다. 12개의 Django 헬퍼를 사용해 구성한 과제에서는 실행의 97%에서 간섭이 발생했다. 동시에 이루어진 변경이 완료되었음을 설명하는 메시지를 제공하자 실행의 82%가 복구되었다. 검토를 거친 풀 리퀘스트에는 해결되지 않은 병렬 변경이 거의 없을 수 있으며, 이는 실제 코드를 사용한 통제된 과제에서 에이전트가 실패하는 경우에도 마찬가지이다. 구성된 과제에서의 실패율은 이러한 문제가 실제로 얼마나 자주 발생하는지를 추정하는 값이 아니다.
멀티 에이전트 LLM 시스템은 여러 번의 추론 호출을 결합하지만, 기존 연구는 호출들이 서로 연결되는 방식과 호출들을 다양화하는 방식을 종종 혼동한다. 본 연구는 이 두 요인, 즉 추론 토폴로지(inference topology)와 에이전트 간 다양성의 원천을 독립적으로 연구한다. 통제된 $2 \times 3$ 행렬에서 병렬 집계(parallel aggregation)와 순차적 정제(sequential refinement)를 확률적 샘플링(stochastic sampling), 역할 프롬프팅(role prompting), 학습된 QLoRA 전문화(specialization)와 교차 조합하며, 각 백본 내에서 세 번의 호출 예산과 출력 프로토콜을 고정한다. Qwen2.5-14B-Instruct와 Llama-3.1-8B-Instruct를 사용하여 9개 언어에 걸친 다국어 저자원 감정 탐지에서 여섯 가지 구성을 모두 평가한다. 병렬 학습 전문화는 Qwen에서 52.83 Macro-F1로 가장 강력하며 Llama에서는 52.94에 도달한다. Qwen에서는 동일 백본의 제로샷, 퓨샷, CoT, 그리고 일곱 번 호출하는 자기 일관성(self-consistency) 베이스라인도 능가한다. 선호되는 토폴로지는 다양성의 원천에 따라 달라진다. 순차적 정제는 확률적 설정과 프롬프트 기반 설정에서 도움이 되는 반면, 학습된 설정에서의 Width(병렬) 이점은 Qwen의 2.83포인트에서 Llama의 0.17포인트로 줄어든다. 깊이(depth)별 분석은 이후 단계의 학습된 전문가가 올바른 초기 예측을 덮어쓸 수 있음을 시사하지만, 전체적인 효과는 백본에 따라 달라진다. 종합하면, 에이전트를 어떻게 차별화하는가가 토폴로지보다 더 큰 성능 변화를 만들어내며, 토폴로지는 전문화와 함께 공동으로 평가되어야 한다.
대규모 언어 모델(LLM) 기반의 다중 에이전트 시스템(MAS)은 복잡한 작업을 해결하고 단일 에이전트 시스템보다 더 높은 성능을 달성하는 역량을 보여주지만, 에이전트 간의 과도한 통신으로 인해 막대한 연산 오버헤드를 초래한다. 기존 연구들은 희소 다중 에이전트 그래프를 학습(training)시키거나 워크플로를 더 잘 조율하기 위해 플래너를 파인튜닝(fine-tuning)하려는 시도를 진행해 왔다. 그러나 이러한 추가적인 학습 과정은 연산 비용을 유발하고 MAS를 특정 도메인으로 제한하여 일반화 가능성을 저해한다. 본 논문에서는 에이전트 간의 상호작용을 효율적으로 조직하기 위해 합의(consensus) 및 신뢰도 기반 애드혹 팀 구성(ad hoc teaming)에 기반한 별도의 학습이 필요 없는(training-free) 다중 에이전트 협업 프레임워크인 CONCAT을 제안한다. 구체적으로, 에이전트들은 초기 답변을 기반으로 클러스터링되며, 각 클러스터의 리더는 에이전트의 신뢰도를 바탕으로 선정된다. 그런 다음, 마음 이론(Theory of Mind)에 기반한 휴리스틱 함수를 설계하여 답변과 신뢰도에 따라 매 두 리더 간의 협업 이득을 예측한다. 마지막으로, 예측된 이득에 따라 일정 비율의 통신을 제거한 후 애드혹 다중 에이전트 네트워크를 구성한다. 3개의 LLM과 3개의 벤치마크에 걸친 실험 결과, CONCAT은 LLM-Debate 대비 최대 2.02배 높은 효율성(정확도/지연 시간 비율)을 달성하고 AgentDropout과 같은 학습 기반 방식을 능가하는 동시에, 어떠한 작업별 학습 없이도 Qwen2.5-14B-Instruct에서 평균 지연 시간을 50.1% 단축함을 입증한다.
협업 토폴로지(collaboration topology)는 LLM 기반 멀티 에이전트 시스템의 성능과 실행 비용을 모두 좌우한다. 과제마다 복잡도와 요구되는 역량이 다르기 때문에, 최근 접근법들은 에이전트의 참여 여부와 정보 흐름을 명시하는 과제별 협업 그래프를 생성한다. 그러나 대표적인 토폴로지 생성기들은 조직 전체에 걸쳐 개별 에이전트 또는 사전에 정의된 그룹 중 하나만을 사용하므로, 하위 과제마다 달라지는 협업 요구를 간과한다. 우리의 핵심 통찰은 각 기능적 역할(functional role)마다 세분성(granularity)을 국소적으로 선택하여, 하나의 조직 안에서 세밀한 제어와 재사용 가능한 협업 패턴을 결합하는 것이다. 이러한 조직을 학습하려면 조합적으로 방대한 구성 공간을 탐색해야 하는데, 최종 답변에 대한 보상만으로는 중간 피드백이 제한적이다. 이에 우리는 혼합 세분성 그래프 생성을 위한 조밀한 보상(dense-reward) 강화학습 프레임워크인 MAGIC을 제안한다. 구체적으로, MAGIC은 기능적 역할을 순차적으로 선택하고, 이를 단일 에이전트 또는 재사용 가능한 그룹으로 인스턴스화한 뒤, 기존 유닛에 연결하는 방식으로 혼합 세분성 에이전트 그래프를 구성한다. 우리는 현재 정책에서 샘플링한 궤적(trajectory)의 리턴(return)을 사용해 구성 정책을 직접 최적화하며, 누적 과제 보상은 보존하면서 프로브 기반 유용성 신호와 구조적 신호로부터 중간 피드백을 제공하기 위해 포텐셜 기반 보상 셰이핑(potential-based reward shaping)을 사용한다. MAGIC은 여덟 개의 벤치마크에서 최신 기준선(baseline)들을 능가하며, 효율성 연구에서 뛰어난 추론 효율성을 보여준다.
공학적 예측은 물리적 메커니즘을 방정식, 이산화, 코드 및 검증(validation)으로 일관되게 변환해야 하지만, 국소적인 확인에도 불구하고 오류가 전파될 수 있습니다. 인공지능(AI) 에이전트(agent)는 과학적 작업을 자동화하지만, 물리적 제약과 인간의 감독 하에 이론에서 솔버(solver)에 이르는 과정을 조율하고 독립적으로 감사하는 문제는 아직 해결되지 않았습니다. 본 연구에서는 인간 전문가가 허용 가능한 물리 및 모델링 경계를 정의하고, 에이전트가 증거를 검색하고 방정식을 유도하며 솔버를 구현하고 이론-코드 체인을 감사하는 인간 참여형(human-in-the-loop) 물리 제약 멀티 에이전트 워크플로를 소개합니다. 석션 케이슨 설치 중 토양 플러그(soil-plug) 발달에 적용했을 때, 물리적 지식과 입력이 준비된 후 2.9시간의 에이전트 실행만으로 6개의 정식화(formulation)를 생성하고 감사했습니다. 이러한 정식화 중에서 기하학적 기준선(baseline)에 침투류 기반 토양 간극비 발달을 추가하자 14개 프로파일 전반에서 평균 절대 최종 융기 오차가 58.4%에서 9.0%로 감소했습니다. 최종 선정된 모델(model)은 벽체 부근 팽창(dilation)을 추가로 통합하여 9개의 최종 상태 사례에서 12.4%, 5개의 과정 이력 종점(endpoints)에서 4.2%의 평균 절대 백분율 오차를 달성했습니다. 예측 성능을 넘어, 블라인드 리플레이(blinded replay)를 통해 9개의 목표 문제를 모두 재현한 반면, 독립적인 감사를 통해 36개의 사전 정의된 검사가 통과된 후에도 5개의 구현 문제를 발견했습니다. 전반적으로 본 연구는 멀티 에이전트 AI를 단순한 작업 자동화를 넘어 인간이 관리하는 공학 솔버 영역으로 확장합니다.
집단 지성은 팀 구성원이 아는 것뿐만 아니라 이들이 업무를 어떻게 조직화하는지에도 좌우됩니다. 해결책의 구조를 알 수 없을 때는 유용한 역할과 분업을 사전에 지정할 수 없으며, 팀은 추론이 전개되는 과정에서 이를 어떻게 조직화할지 경험을 통해 학습해야 합니다. 인간 팀은 일상적으로 이러한 방식으로 적응하지만, 기존 AI 에이전트(agent) 팀은 고정된 프로토콜, 명시적인 작업 분해 또는 라우팅에 의존합니다. 본 논문에서는 이전 협업으로부터 재사용 가능한 전략을 학습하여 역할, 대화 단계, 참여 및 정보 흐름을 조직화하는 고정된 AI 에이전트 팀인 자기 조직화 에이전트 팀(Self-Organizing Agent Teams, SAT)을 소개합니다. 이러한 전략은 에이전트들이 부분적인 추론을 교환하고, 이의를 제기하고, 수정하며, 종합하여 어떤 구성원도 독립적으로 도출하지 못한 해결책을 만들어내는 협력적 계산(collaborative computation)을 가능하게 합니다. 두 가지 독립적인 설정에서, 본 연구는 단 15개의 수학 문제와 25개의 대학원 수준 지식 문제만을 사용하여 미간섭 벤치마크(unseen benchmark)로 변경 없이 전이되는 팀워크 전략을 학습합니다. 5개의 수학 및 물리학 벤치마크 전반에서 자기 조직화 팀은 66.7%의 평균 정확도를 기록하여, 가장 뛰어난 단일 구성원의 48.8%, 해당 에이전트의 계산량을 맞춘(compute-matched) 추론(inference)의 58.7%, 구성원들의 독립적인 답변에 대한 완벽한 라우터의 59.0%를 능가했으며, AIME 2026에서는 이 라우터를 13.4점 차이로 앞섰습니다. 벤치마크마다 성능 향상 폭이 다르기 때문에, 본 연구는 자기 조직화 협업이 언제 도움이 되는지 질문을 던집니다. 8개 벤치마크 전반에서 논증 가능성(demonstrability, 팀이 올바른 추론과 그렇지 않은 추론을 구별할 수 있는지를 나타내는 조직심리학 개념)은 가장 뛰어난 구성원 대비 성능 향상과 밀접하게 연동되었으며(Spearman $\rho=0.90$, $p=0.005$), 팀은 올바른 추론이 제시되었을 때 이를 알아볼 수 있을 때 가장 큰 혜택을 얻는 것으로 나타났습니다. 더 넓게 보면, 이러한 결과는 조직화 자체가 에이전트 역량이 될 수 있음을 시사합니다. 즉, 에이전트 팀은 함께 추론하는 법을 학습하여 구성원 개별적으로는 도달할 수 없었던 해결책을 도출할 수 있습니다.
디지털 에이전트는 종종 사전학습된 모델이 인터페이스, 도구, 실패 모드까지 완전히 반영하지 못하는 새로운 환경에 적응해야 한다. 본 논문은 자율적 메모리 구축을 통한 재귀적 자기 개선을 위한 무학습 다중-에이전트 프레임워크인 RSIAgent를 제안한다. RSIAgent는 커리큘럼, 액터(actor), 검증자(verifier) 에이전트를 조율하여 환경을 지속적으로 탐험하고 결과를 검증하며, 행동·조건·결과 사이의 재사용 가능한 인과 관계를 포함한 환경별 지식을 유지한다. 또한 broad-then-deep 탐험 전략을 채택하여, 다양한 환경 구조를 찾기 위한 병렬적 넓은 재귀적 자기 탐험과 어려운 사례, 숨겨진 제약, 경계 조건, 이전에 알려지지 않은 인과 의존성을 드러내기 위한 집중적인 깊은 자기 탐험을 결합한다. 이렇게 얻은 메모리는 고정(frozen)되며 모델 파라미터를 갱신하지 않고 하위(downstream) 과제에 바로 재사용할 수 있다. OSWorld-v2와 Agent's Last Exam 실험에서 RSIAgent는 강력한 오픈소스 모델을 크게 향상시켜 Kimi-K3와 GLM-5.3이 GPT-6을 포함한 최첨단 폐쇄형(closed-source) 모델을 능가하도록 한다.
본 논문은 MIT Beer Game을 이용해 다계층(multi-echelon) 공급망에서 자율 생성형 AI 에이전트의 성능과 신뢰성을 연구한다. 모델 선택, 운영 가드레일(operational guardrails), 중앙집중식 데이터 공유, 프롬프트 설계가 시스템 성능에 미치는 영향을 분석한다. 최고 성능 구성에서는 GenAI 에이전트가 인간 팀 대비 총 공급망 비용을 최대 80%까지 절감한다. 평균 성능은 강력하지만, 자율 에이전트는 실행 간(run-to-run) 불안정성이 크게 나타날 수 있어 변동성이 큰 조달 결정과 큰 꼬리 비용(tail costs)을 유발한다. 우리는 이 현상을 에이전트 불확(agent bullwhip), 즉 자율 다중 에이전트 시스템에서의 의사결정 불안정성 증폭으로 규정한다. 수요 경로(demand path)를 고정해 두었음에도 이러한 불안정성은 계층(echelon)을 가로질러 전파되고 시간에 따라 누적될 수 있음을 보인다. 이어 신뢰성 개선을 위한 두 가지 접근—강화학습 사후 학습과 운영 가드레일—을 평가한다. 둘 다 꼬리 사건(tail events)을 줄이고 에이전트 불확을 완화하지만, 작동 메커니즘이 다르고 요구되는 정보 수준과 모델 접근 권한도 다르다. 시스템 수준 피드백(system-level feedback)을 사용할 수 있을 때 강화학습 사후 학습이 신뢰성과 시스템 성능에서 가장 큰 이득을 주며, 가드레일은 극단적 의사결정을 제한하는 단순한 학습 없는(training-free) 대안을 제공한다.
에이전트형 AI는 투자자의 역할을 분석적 실행에서 감독으로 전환한다. 본 연구는 44개의 전문화된 에이전트가 자본 시장 가정을 생성하고, 21가지 경쟁적 방법으로 포트폴리오를 구성하며, 서로의 출력을 비판하고 투표하는 에이전트형 전략적 자산 배분 파이프라인을 제시한다. 연구자 에이전트는 아직 반영되지 않은 새로운 포트폴리오 구성 방법을 제안하고, 메타 에이전트는 과거 예측을 실현 수익과 대조하여 향후 성과를 개선하기 위해 에이전트 코드와 프롬프트를 수정한다. 전체 파이프라인은 투자 정책 성명(Investment Policy Statement, IPS)에 의해 거버넌스되며, 인간 포트폴리오 매니저를 안내하던 동일한 문서가 이제 자율 에이전트를 제약하고 방향을 제시할 수 있다.
다중 에이전트 무인 시스템은 고립된 자기 중심적 sensing에서 협력 지능으로 이동하고 있으며, 분산 에이전트들이 압축된 특징(feature)을 교환하여 어떤 단일 에이전트도 벗어날 수 없는 국소 관측의 함정—가림(occlusion), 유한한 센서 범위, 환경 열화—to overcome. 해당 분야는 아키텍처, 통신, embodied, 회복력(resilience), 신뢰 차원에서 성숙해 왔지만, 기존 서베이는 이러한 차원을 각각 따로 다루며 그 의존 관계를 거의 드러내지 않는다. 본 리뷰는 두 가지 상보적 렌즈를 통해 통합적 종합을 제시한다. 첫째는 협력 단계, 통신 패러다임, 융합 아키텍처, 학습 전략, 응용 도메인에 걸친 5차원 분류체계이다. 둘째는 인지적 시너지를 운영 기준으로 전환하는 세 가지 인지적 시너지 조건—의미적 모호성 해소(Semantic Disambiguation), 화용론적 정보 교환(Pragmatic Information Exchange), 선제적 정보 탐색(Proactive Informational Foraging)—이다. 이러한 렌즈를 통해 협력 아키텍처와 토폴로지, 채널을 미분 가능한 파이프라인 구성요소로 다루는 신경-통신 공동 설계(neural-communication co-design), 다중 에이전트 강화학습을 통한 embodied 행동-지각 루프, 동기화·불확실성 정량화·라벨 효율적 학습을 위한 회복력 메커니즘을 조망한다. 이어 이러한 진전을 V2X, 무인 항공, 산업 물류, 스마트 시티의 네 가지 운영 도메인과 안전-프라이버시-유용성(safety-privacy-utility) 삼각 관계에 대응시킨다. 벤치마크 포화와 평가 파편화에 대응하기 위해, 본문은 협력 방법의 트레이드오프를 연구 간 비교 가능하게 만드는 성숙도 모델을 갖춘 5기둥 scoring 프로토콜 GCI-Bench를 제안한다. 재현성, sim-to-real 격차, 협력이 성능을 저하시키는 조건에 대한 비판적 성찰을 통해 미해결 과제를 밝히고, 실세계 불확실성 하에서 범용 협력 지능을 향한 방향을 제시한다.
생성 모델은 이미지 품질 평가(IQA)를 전통적인 충실도 요인을 넘어 물리적 타당성(physical plausibility)과 텍스트 렌더링 정확성(text-rendering correctness) 같은 새로운 차원으로 빠르게 확장하고 있다. 그러나 기존 IQA 모델은 고정된 정의와 많은 지도(supervision)에 의존하여 개방형(open-ended) 지각 차원으로 확장하기 어렵다. 우리는 홀리스틱 바이어스(holistic bias)를 중요한 한계로 확인한다. 보지 못한 차원을 채점할 때 모델이 일반적인 품질 사전분포(prior)를 재사용하여 채점 오류와 순위 역전(rank inversion)이 발생한다. 이를 해결하기 위해 개방형 IQA를 명시적 프로토콜 구성으로 공식화하는 학습 없는(training-free) 다중 에이전트 프레임워크인 PACE(Perceptual Agentic Collaborative Evolution)를 제안한다. 목표 차원이 주어지면 PACE는 협력적 에이전트가 검증 가능한 시각적 질의응답(VQA) 프로브로 구성된 평가 프로토콜을 구축하고, 홀리스틱 인상이 아닌 구체적 시각 증거에 평가를 그라운딩(grounding)한다. 결과 프로토콜은 차원당 사람 주석 이미지 네 장만으로 보정(calibrate)되며, 이중 트랙 채점 메커니즘이 모델 지각을 사람 채점 척도와 정렬(alignment)한다. 전통적 IQA, 구조적 충실도, 맥락 인지 미학(context-aware aesthetics), 새로 정의된 개방형 차원 전반에서 PACE는 MLLM 백본을 일관되게 개선하여 다양한 IQA 설정에서 경쟁력 있는 성능을 달성하며, Holistic Override Rate(HOR)를 44.4%에서 8.6%로 낮춘다.
에이전트형 시스템이 지리정보 시스템(GIS)과 점점 더 통합되고 있으며, 다중 에이전트 협조는 복잡한 대화형 및 공간 분석을 가능하게 하지만 보안 위험을 수반한다. 본 연구는 더 넓은 에이전트형 아키텍처에 대한 적응성을 유지하면서 다중 에이전트 GIS 시스템에서 위험 식별, 평가 및 완화를 위한 보안 중심 프레임워크를 제안한다. 상용 지리공간 파트너의 에이전트형 시스템을 테스트하는 동시에, 에이전트 행동을 재사용 가능한 구성 요소로 추상화하는 모듈형 상태 기계 기반 오케스트레이션 프레임워크를 개발한다. 적응형 공격자 대규모 언어 모델(LLM)과 다중 턴 공격 전반에 걸쳐 뒷받침 근거와 함께 이진 결과를 산출하는 결정론적 심판을 갖춘 레드팀 테스팅 프레임워크를 사용하여 견고성을 평가한다. 또한 프롬프트를 구조화된 시그니처로 취급하고 적대적 시연을 주입하는 프롬프트 최적화 프레임워크로 복원력을 더욱 향상시켜, 과제 성능을 저하시키지 않으면서 체계적인 보안 개선을 가능하게 한다.
에이전틱 검색은 다단계 추론과 검색을 교차 수행하여 대규모 언어 모델(LLM)이 지식 집약적 과제를 해결할 수 있게 하지만, 결과 기반 강화학습(RL)으로 이를 최적화하면 희소한 감독만 제공된다. 지식 증류는 더 밀집된 지도를 제공할 수 있으며, 강력한 추론 능력을 갖춘 고급 독점 모델은 유망한 교사 모델이다. 독점 모델로부터의 증류가 이러한 감독 신호를 밀집화할 수 있지만, 기존의 로짓 매칭은 숨겨진 로짓과 불일치하는 토큰화기로 인해 불가능하며, 원시 자연어 궤적 모방은 핵심 추론 역량보다는 표면적인 스타일적 인공물을 전달한다. 이질적 증류 문제를 해결하고 분포 격차를 메우기 위해, 우리는 구조화되고 스타일이 정규화된 프로토콜을 중간 표현으로 사용하는 결합 증류-강화학습 프레임워크인 Multi-Agent Protocol Distillation(MAPD)를 제안한다. 오프라인 다중 에이전트 시스템(MAS)은 각 쿼리를 분해하고, 지원 증거를 검색하며, 실패한 검색을 복구하고, 그 결과로 얻은 탐험 trace를 과제 유형, 추론 계획, 추출적 그라운딩 사실을 포함하는 JSON 프로토콜로 변환한다. 학습 중 프로토콜은 학생 정책(student policy)의 특권 분기(privileged branch)에만 제공되며, 해당 분기의 토큰 분포가 희소한 RL 목표와 함께 밀집된 증류 신호를 제공한다. 7개 QA 벤치마크에 걸친 광범위한 평가에서 MAPD는 경쟁력 있는 증류 및 RL 방법을 지속적으로 능가하며, Qwen3-1.7B에서 평균 성공률 39.4%, Qwen3-4B에서 44.4%를 달성한다. 중요하게도, 이 프레임워크는 다양한 독점 교사 모델에 걸쳐 견고하게 일반화되며, 학생 정책의 스타일 표류(style drift)와 장황함 퇴화(verbosity degeneration)를 효과적으로 완화한다.
현대의 다중 에이전트 지식 시스템은 직접 검색보다 자율적 변환의 연쇄를 통해 지식을 점점 더 축적하고 있다. 기존 출처(provenance) 연구는 무엇이 일어났는지—실행 추적, 도구 호출, 증거 링크—를 기록하며, 출처 신뢰도 추정은 진실 발견(truth discovery), 평판 시스템(reputation systems) 등으로 오래전부터 확립되어 왔다. 부족한 것은 완전성 의미론(completeness semantics), 변환 유형별 집계(transformation-typed aggregation), 분리된 내용 비평(decoupled content criticism), 제공/검토/격리(serve/review/quarantine) 라우팅을 갖춘, 주장 수준 전달 사슬에 영역별 등급화된 전달자 신뢰도를 부여하는 운용 가능한 프레임워크이다. 고전 이슬람 하디스 학문은 구조적으로 유사한 문제—인간 서술자 사슬을 통해 전달된 지식을 수용할지 결정하는 것—에 직면했다. 수세기에 걸쳐 엄격한 방법론을 발전시켰다—isnad(모든 주장에 부여된 완전한 전달 사슬), rijal(각 서술자의 청렴성과 정밀도에 대한 체계적 등급 부여), 최약 고리(weakest-link) 사슬 평가, 독립 사슬을 통한 상호 확인(corroboration), matn 비평(사슬 품질과 무관하게 평가되는 내용)—을 포함한다. 본 논문은 그 방법론을 AI 시스템 설계로 이전한다. 우리는 하디스 학문 개념에서 다중 에이전트 파이프라인으로의 공식적 매핑, 주장 사슬과 등급화된 서술자 레지스트리를 구현하는 관계형 스키마, 사슬 등급과 내용 비평을 결합하는 의사결정 행렬, 실제 물리학 교과서에서 추출한 20,000개 주장에 대한 평가를 기여한다. 평가는 최약 고리 격리(quarantine)와 독립 사슬 상호 확인을 검증하고, 가장 결함이 많은 서술자를 놓친 등급 회복(grade-recovery) 루프의 부분적 실패를 보고하며, 기준 내용 비평기(reference content critic)와 프레임워크가 도달하지 못한 일치 커버리지(matched-coverage) 비교를 포함해 두 분석을 결론적이지 않다(inconclusive)고 보고한다. 본 논문은 증거가 어떤 주장을 지지하고 아직 지지하지 않는지를 전반에 걸쳐 명시적으로 서술한다.
대규모 언어 모델(LLM)은 추론, 계획, 도구 사용을 위한 자율 에이전트를 가능하게 한다. 최근 시스템들은 이러한 에이전트를 전문화되고 상호 연결된 노드의 그래프로 점점 더 조직하고 있다. 그래프 기반 오케스트레이션은 유연한 분해와 조정을 지원하지만, 핵심 과제인 어텐션 할당(attention allocation)을 야기한다. 워크플로가 커질수록 기존 접근법은 종종 그래프 구성 요소를 균일하게 실행하여, 관련 없거나 영향이 낮은 작업에 자원을 낭비한다. 우리는 어텐션 오케스트레이션(Attention Orchestration)을 제안한다. 이는 트랜스포머 스타일의 어텐션을 토큰 표현에서 워크플로 수준의 에이전트 조정으로 확장하는 패러다임이다. 우리의 프레임워크인 적응형 목표 인식 어텐션 오케스트레이션(AGAO)은 사용자 목표, 그래프 의존성, 계산 제약을 기반으로 에이전트 중요도를 동적으로 추정한다. AGAO는 세 가지 구성 요소를 결합한다: (1) 목표 인식 어텐션(goal-aware attention), 사용자 목표와 에이전트 역량 간의 의미적 관련성을 측정; (2) 토폴로지 인식 어텐션(topology-aware attention), 에이전트 그래프의 구조적 의존성을 모델링; (3) 자원 인식 어텐션(resource-aware attention), 이종 에이전트 간 예산과 실행 우선순위를 할당. 이러한 메커니즘들이 함께 정적 에이전트 그래프를 목표에 핵심적인 추론 경로에 계산을 집중하는 적응형 시스템으로 변환한다. 다양한 다중 에이전트 워크로드에 걸친 실험은 AGAO가 기존 그래프 기반 실행 전략과 비교하여 불필요한 계산, 지연 시간, 토큰 소비를 줄이면서 작업 효과를 향상시킴을 보여준다. 우리의 연구는 확장 가능하고 지능적인 다중 에이전트 시스템을 위한 방향으로서 어텐션 엔지니어링(Attention Engineering)을 정립한다. Code: https://github.com/MingzhouFan97/AGAO.
대규모 언어 모델(LLM) 에이전트는 코딩 및 프로그래밍 워크플로를 크게 개선해 왔다. 특히 Claude Code는 가장 강력한 LLM 코딩 에이전트 중 하나로, 복잡한 코딩 작업을 수행할 수 있다. 그러나 여러 단점이 장기적인 에이전틱(agentic) 워크플로를 약화시킬 수 있다. (1) 복구 불가능한 에이전트 팀: Agent Teams 특징은 강력하지만, 각 팀원이 축적한 작업 상태는 프로세스가 중단되면(예: 터미널이 닫히면) 사라지며 재개할 수 없다. (2) Compaction이 작업 세부사항을 훼손: Compaction은 대화를 요약으로 압축하여 에이전트의 작업 세부사항이 모호해진다. (3) 에이전틱 "기술 부채(technical debt)": 시간이 지나면서 사용자의 결정과 에이전트의 작업이 압축된 오래된 채팅에 갇히게 되어, 프로젝트 유지·검토가 점점 어려워진다. (4) 과도한 프롬프트 작성: 작업을 할당하거나 넘기려면 사용자가 기대하는 에이전틱 성능을 얻기 위해 반복적으로 긴 프롬프트를 작성해야 한다. 우리는 이러한 문제를 해결하기 위해 Claude Code의 네이티브 Agent Teams를 중심으로 구축된 파일시스템 기반 운영 레이어인 ATWZ(Agent Team Work Zone)를 제안한다. 핵심 설계 원칙은 각 에이전트와 팀원을 인간 직원처럼 다루고, "workstation"이라 불리는 전용 디렉터리에 저장된 파일에 중요한 작업 상태를 보존하는 것이며, 이때 해당 파일을 사용하고 유지하는 스킬, 훅, 스크립트도 함께 둔다. ATWZ를 사용하면 에이전트 팀이 작업 상태를 주기적으로 백업할 수 있어, Compaction 이후에도 에이전트의 지식을 복구할 수 있다. 프로세스가 종료된 후에도 팀을 단일 명령으로 복원할 수 있다. 이러한 기능은 위에서 설명한 에이전틱 "기술 부채"를 상당히 완화한다. 또한 ATWZ 내에서 에이전트 "직원"들이 서로 문서를 전송할 수 있어, 프롬프트 작성에 필요한 노력을 크게 줄인다.
하나 이상의 에이전트로 구성된 자동 연구 시스템을 위한 어휘를 제안하여, 그 설계 선택을 더 쉽게 기술하고 비교할 수 있게 한다. 이 어휘는 1) 에이전트가 누구인지, 2) 시스템에서 어떤 연산이 가능한지, 3) 누가 그 연산을 호출할 수 있는지, 4) 에이전트가 어떻게 통신하는지, 5) 실행 내 및 실행 간에 어떤 정보가 가시적인지, 6) 다음 행동이 어떻게 선택되는지, 7) 실행이 어떻게 시작되는지, 8) 출력이 어떻게 평가되는지를 명시한다. 궤적(trajectory)은 입력 과제부터 반환된 산출물(artifact)까지의 한 번의 실행을 기록한다. 에이전트, 연산, 초기화가 확률적(stochastic)일 수 있기 때문에, 동일한 과제에 대한 반복 실행은 단일 행동이 아니라 궤적에 대한 분포를 유도한다. 우리의 어휘는 에이전트가 언제 통신해야 하는지, 능력을 획득하거나 상실해야 하는지, 또는 실행 간에 정보를 전달해야 하는지와 같은 구조적 설계 질문을 검증 가능한 선택으로 전환한다. 또한 보고된 성능 향상은 프록시 점수(proxy score)가 실제 품질과 얼마나 밀접하게 일치하는지에 달려 있으므로, 평가자(evaluator)를 시스템의 구성 요소로 만든다. 이러한 분리는 이러한 시스템이 취향(taste)이 부족하다는 모호한 불만을 서로 다른 해결책을 갖는 두 가지 실패로 나눈다. 생성적 취향(generative taste)은 어떤 점수도 관측되기 전에 시스템이 새로운 궤적을 제안하는 비율이며, 평가적 취향(evaluative taste)은 프록시 점수와 그것이 일치해야 하는 품질 사이의 격차이다. 최근 autoresearch 시스템에 이 어휘를 구체화하여, 구조적으로 크게 다른 설계를 포괄함을 보여준다.