PyTorchKR Papers

최신 논문

총 197편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2607.07858v1cs.AI

직통 언더라이팅에서의 에이전틱 AI와 검색-증강 모델

Agentic AI and Retrieval-Augmented Models in Straight-Through Underwriting

소규모 상업용 사업주 종합보험(BOP) 직통 언더라이팅에 에이전틱 AI 프레임워크를 적용하여, 단일 LLM 기준선 및 단순 검색-증강 생성(RAG) 시스템과 비교한 결과, 목표 지향적 검색·제3자 데이터 확인·다단계 규칙 평가를 결합한 멀티 에이전트 Agentic RAG 파이프라인이 특히 다단계 추론 및 정보 누락 시나리오에서 가장 높은 정확도를 달성했다. 이 연구는 에이전틱 시스템이 보험계리 실무의 투명성·감사 가능성·인간 감독 거버넌스 요건을 충족하면서도 비정형 문서 기반 의사결정을 구조화하는 데 효과적임을 보여준다.

arXiv:2607.06157v1cs.CL

숙의적 협력을 위한 LLM 에이전트: 부분 관측 가능성 하의 공동 의사결정에 관한 연구

LLM Agents for Deliberative Collaboration: A Study on Joint Decision Making Under Partial Observability

부분 관측 가능한 환경에서 LLM 에이전트들이 숙의(deliberation)를 통해 공동 의사결정을 수행하는 능력을 평가하기 위해, 메뉴 설계 및 작업 배분 등 여러 도메인에 걸친 확장 가능한 벤치마크를 제안한다. 최신 LLM을 대상으로 한 체계적인 실험 결과, 복잡한 숙의적 협력 과제는 여전히 최첨단 모델에게 도전적이나, 숙의 과정이 오류 수정 기회를 제공해 중앙집중식 기준선(centralized baseline) 대비 성능을 향상시키기도 함을 밝혔다.

arXiv:2607.05477v1cs.MA

다중 에이전트 대규모 언어 모델 대화에서의 결정 프로토콜

Decision Protocols in Multi-Agent Large Language Model Conversations

대규모 언어 모델(LLM)의 태스크 성능 향상은 필수적이지만, 이러한 모델의 스케일링은 수확 체감 및 높은 비용과 같은 상당한 과제에 직면해 있다. 다중 에이전트 시스템(MAS)은 전문화된 에이전트들 사이에 태스크를 분산하여 전체적인 태스크 성능을 향상시키는 유망한 해결책을 제시한다. 이를 통해 토론 및 의사결정 과정으로 인한 테스트 시간 증가를 감수하는 대신 학습 비용을 줄일 수 있다. 결정 프로토콜은 여러 에이전트가 최종 솔루션 생성을 위해 협력하는 방식을 규정하기 때문에 MAS의 핵심 구성 요소이다. 본 논문은 Multi-Agent LLM(MALLM) 프레임워크를 소개하며, 이는 대화형 태스크 해결을 위한 다중 에이전트 토론을 시뮬레이션하고자 투표(voting), 합의(consensus), 판사 결정(judge decision) 메커니즘 등 다양한 결정 프로토콜을 구현하고 평가한다. 단일 결정 프로토콜을 사용하거나 제한된 데이터셋에서만 테스트한 기존 연구와 달리, 본 연구는 지식 기반 데이터셋(MMLU, MMLU-Pro, GPQA)과 논리 기반 데이터셋(StrategyQA, MuSR, Math-lvl-5, SQuAD 2.0)에 이르는 다양한 태스크 집합에 대한 영향을 체계적으로 검토한다. 실험 결과, 합의 프로토콜은 지식 집약적 도메인에서 우수한 성능을 보이는 반면, 투표 및 판사 프로토콜은 논리 기반 태스크에 더 효과적임을 보여준다. 독립적인 솔루션 생성을 통한 응답 다양성 증가는 결정 품질을 향상시키는 반면, 결정 과정에서의 정보 접근 방식 변화는 최소한의 영향만 미친다.

arXiv:2607.06214v1cs.AI

단일 및 다중 에이전트 인간-AI 호기심 생태계를 위한 토이 프레임워크

A toy framework for single and multi-agent human-AI curiosity ecosystems

호기심을 하나의 생태계로 보는 개념적 토이 프레임워크로, 단일 에이전트의 탐문 정책을 즉각적 불확실성 감소, 비용, 지연 보상, 질문 개방 가치의 가중합으로 정식화하고 경험에 따른 선호 편향(preference drift)을 모델링한다. 나아가 이를 다수 에이전트가 공유 지식 지형을 탐색하는 집단 수준으로 확장하여, 탐문 규모·주제 다양성·프런티어 지향성·지식 재사용성 등 집단적 호기심 생태학(curiosity ecology)을 분석하는 기반을 제공한다.

arXiv:2607.06001v1cs.AI

Information Limits and Attractor Dynamics in Economies of Frontier LLM Agents: A Pre-Registered Test

파리무추엘 결합 시장에서 LLM 에이전트의 상대적 부(wealth) 성장이 상대적 정보량과 정확히 일치한다는 격차 법칙(gap law)을 Claude Opus 4.8 에이전트로 사전 등록 실험을 통해 처음으로 정량적으로 확인했다. 반면 집단 수준의 정렬 불일치(misalignment)가 인센티브 레버에 부드럽게 반응한다는 평균장(mean-field) 가정은 72회 전 실험에서 목표 분산이 붕괴(V→0)하고 어트랙터 전환 형태의 계단 함수 반응만 관찰되어 실증적 기반이 없음을 보였다.

arXiv:2607.05844v1cs.AI

StateFuse: 다중 에이전트 시스템을 위한 결정론적 충돌 보존 메모리

StateFuse: Deterministic Conflict-Preserving Memory for Multi-Agent Systems

StateFuse는 멀티 에이전트 시스템에서 브랜치·재시도·레플리카 전반의 충돌 관측값을 덮어쓰지 않고 보존하기 위해, 표준 OpSet/CRDT 병합 위에 불변 이력·명시적 충돌 객체·의미론적 수정 핸들(claim_ref)을 갖춘 에이전트 대면 메모리 계약을 정의한다. MemoryAgentBench 충돌 포함 슬라이스 평가에서 답변 정확도는 기준선들과 동점이지만, 충돌을 보존하는 표면이 모순을 가시화하고 안전한 기권·감사 가능한 수정을 가능하게 한다는 점에서 더 안전한 공개 메모리 계약임을 보인다.

arXiv:2607.05805v1cs.AI

Onnes: 양자 컴퓨팅 인프라의 극저온 고장 진단을 위한 물리 기반 다중 에이전트 LLM 시뮬레이터

Onnes: A Physics-Grounded Multi-Agent LLM Simulator for Cryogenic Fault Diagnosis in Quantum Computing Infrastructure

희석 냉동기의 극저온 고장 진단에서 임계값 경보의 한계를 극복하기 위해, 물리 기반 디지털 트윈 시뮬레이터 Onnes와 5역할 다중 에이전트 LLM 패널을 결합한 시스템을 제안한다. 퓨샷 대조 데모와 자기일관성 투표를 적용한 결과, 파라미터 업데이트 없이 레이블 6개만으로 분류 정확도를 0.685에서 0.990으로 끌어올려 지도학습 분류기(0.985)와 동등한 성능을 달성했다.

arXiv:2607.05456v1cs.AI

Prompt-to-Paper: 생물정보학을 위한 에이전틱 AI 시스템

Prompt-to-Paper: Agentic AI System for Bioinformatics

생물정보학 논문 자동 생성 시스템인 Prompt-to-Paper는 섹션 인식 RAG 파이프라인으로 60~100편의 검증된 문헌에 모든 주장을 근거시키고, 자율 코딩 에이전트가 실제 계산 생물학 실험을 실행하여 조작된 수치를 대체하며, 8차원 품질 채점기 기반의 반복 개선 루프를 통해 논문 품질을 평균 +17.96점 향상시킨다. 다섯 가지 생물정보학 사례 연구에서 범위 외 인용이 없는 제출 형식 PDF를 편당 약 $0.31에 생성하였으며, 인간 검토자 평가에서 평균 7.0/10점을 기록하였다.

arXiv:2607.03695v1cs.LG

LLM 에이전트의 소셜 네트워크

Social Networks of LLM Agents

LLM 에이전트 집단에서 제한된 어텐션으로 인해 노출 그래프와 실제 영향력 그래프가 분리된다는 점을 포착하는 SNLA 프레임워크를 제안하며, 어텐션 폭이 좁을수록 유효 표본 크기가 집단 크기와 무관하게 유계로 유지되어 군집행동(herding)이 발생함을 이론적으로 증명한다. 또한 에이전트 간 노출을 균등화하는 분산형 가격 책정 프로토콜이 군집행동을 제거하고 대중의 지혜(wisdom-of-crowds) 행동을 회복시킴을 세 가지 다중 에이전트 LLM 벤치마크 실험으로 검증한다.

arXiv:2607.04329v1cs.AI

HAS-Bench: 설정 가능한 인간 참여 수준에서 LLM 기반 인간-에이전트 시스템 평가

HAS-Bench: Evaluating LLM-Based Human-Agent Systems under Configurable Human Participation

대규모 언어 모델(LLM)은 인간이 수동적인 작업 제공자가 아닌 능동적인 협력자로 참여하는 환경에서 점점 더 많이 운용되고 있다. 본 논문에서는 인간과 LLM 기반 에이전트를 명시적인 역할, 권한, 통신 경로, 행동 권한을 가진 일급 참여자로 표현하는 그래프 기반 프레임워크인 HAS-Framework를 소개한다. 이 프레임워크를 기반으로, HAS-Bench는 에이전시 수준, 상호작용 채널, 페르소나 정책에 걸쳐 설정 가능한 인간 참여 하에서 인간-에이전트 시스템(Human-Agent Systems)을 평가한다. 본 벤치마크는 작업 결과와 프로세스 수준의 협업 행동을 모두 측정하며, 여기에는 명확화 품질, 피드백 활용, 제어 보정, 안전성, 주도권, 상호작용 비용이 포함된다. 6개 도메인에 걸친 실험 결과, 인간 참여가 작업 완료율과 실패 복구를 실질적으로 향상시킬 수 있음을 보여주지만, 그 효과는 인간 입력이 언제, 어떻게, 누구에 의해 행사되는지에 따라 달라진다.

arXiv:2607.04240v1cs.AI

에이전트 제어를 위한 생물학적 모티프

Biological Motifs for Agentic Control

대규모 언어 모델(LLM)이 수동적 생성기에서 자율 에이전트로 전환됨에 따라 신뢰성, 보안, 상태 관리 측면에서 중대한 과제가 대두되고 있다. 현재의 에이전트 아키텍처는 임기응변식으로 구성되는 경우가 많아 환각 연쇄, 무한 루프, 프롬프트 인젝션 공격에 취약하다. 본 논문은 이러한 실패 양상 중 상당수를 시스템 생물학에서 오랫동안 연구되어 온 제어 모티프를 이용하여 분석할 수 있다고 주장한다. 단, 이 비교는 문자 그대로의 생물학적 메커니즘이 아닌 타입이 부여된 인터페이스와 조율 구조 수준에서 이루어진다. 우리는 다항식 함수자(polynomial functor)와 배선 다이어그램을 활용하여 유전자 조절 네트워크(Gene Regulatory Network)와 에이전트 소프트웨어 시스템 간의 타입 인터페이스 대응 관계를 개발한다. 다섯 가지 생물학적 모티프를 조합 가능한 소프트웨어 디자인 패턴에 매핑한다: 노이즈 억제를 위한 일관된 전방향 루프(Coherent Feed-Forward Loop), 계층적 보안을 위한 적응 면역(Adaptive Immunity), 자원 관리를 위한 미토콘드리아 신호전달(Mitochondrial Signaling), 신경-심볼릭 통합을 위한 내공생(Endosymbiosis), 공간적으로 가변하는 조율을 위한 형태소 확산(Morphogen Diffusion). 인식론적 위상 층(epistemic topology layer)은 배선 다이어그램의 관찰 구조로부터 크립키(Kripke) 스타일의 지식 연산자를 유도하고 다중 에이전트 스케일링에 관한 네 가지 예측 정리를 증명한다. 핵심 기여는 다음과 같다: (1) 에이전트 오퍼라드(Agentic Operad)—전방향 위상에 대해 증명 가능한 오류 억제 경계를 갖는 에이전트 합성을 위한 타입 구문; (2) 네 가지 정리(오류 증폭, 순차 패널티, 병렬 가속, 도구 밀도 스케일링)를 포함하는 인식론적 위상으로, 그 정성적 예측이 공개된 다중 에이전트 벤치마크와 일치함; (3) 자율 학습 프레임워크와 실증 문헌의 수렴 프록시에 기반하여 구조에서 발전으로 이어지는 6단계 진행 체계. 1,813개의 테스트와 116개의 예제를 갖춘 참조 구현을 통해 실용적 실현 가능성을 보여준다.

arXiv:2607.04219v1cs.AI

에이전틱 IoT: 에이전트 인터넷을 향한 아키텍처, 응용, 그리고 과제

Agentic IoT: Architectures, Applications, and Challenges Toward the Internet of Agents

AI를 사물인터넷(AIoT) 시스템에 통합하는 과정은 이러한 시스템을 수동적인 데이터 수집 인프라에서 이상 탐지, 예측 유지보수, 분류(classification), 예측, 최적화가 가능한 지능형 시스템으로 점진적으로 변화시켜 왔다. 그러나 기존 솔루션의 대부분은 센서 데이터로부터 추론(inference)하는 작업 특화 모델에 의존하고 있어, 실시간 추론(reasoning), 적응적 계획(adaptive planning), 자율 조율(autonomous coordination), 학습, 도구 사용(tool use), 맥락적 의사결정(contextual decision-making)과 같은 시스템 전반의 역량은 여전히 제한적이다. 본 논문은 자율 AI 에이전트의 인지(perception), 추론, 계획, 학습, 행동 능력을 사이버-물리 시스템(cyber-physical systems)과 통합하는 차세대 인지 IoT 패러다임으로서 에이전틱 IoT(Agentic IoT)를 고찰한다. 에이전틱 IoT는 IoT를 데이터 중심의 감지 및 추론 인프라에서 디바이스/엣지-포그-클라우드(device/edge-fog-cloud) 연속체에 걸쳐 운용되는 분산형 인지 에이전트 생태계로 변모시키는 것을 목표로 한다. 본 논문은 먼저 이러한 전환을 패러다임 전환으로 정립하고, 에이전틱 IoT를 AIoT, 엣지 지능(edge intelligence), 다중 에이전트 시스템(multi-agent systems), 에이전트 인터넷(Internet of Agents)과의 관계 속에서 위치시킨다. 이후 현행 연구들을 체계적으로 검토하고, 통합적 아키텍처 프레임워크를 제시하며, 도메인별 응용 가능성을 논의하고, 핵심 기술적·운영적·연구적 과제와 향후 연구 방향을 규명한다.

arXiv:2607.03181v1cs.GT

AI와 팀 구성: 조율과 협력

Teaming Up with AI: Coordination and Cooperation

노동 현장에서 AI의 성공적인 확산은 AI가 인간의 활동에 가져다주는 경제적 가치에 달려 있다. AI를 노동 현장에 도입하는 것은 강력한 신기술을 배치하는 것 이상으로, 새로운 형태의 협업을 시작하는 것이다. 각 인간 노동자는 이제 AI 에이전트(agent) 팀을 보유하게 되며, 작업을 이 에이전트들에게 위임할 수 있고, 인간의 역할은 관리와 모니터링으로 전환된다. 노동 현장에서 AI와의 협업으로부터 경제적 가치를 극대화하려면 어떻게 해야 하는가? 인간 노동자를 대체하는 것이 아니라 역량을 강화하는 '진정한' 협업을 어떻게 실현할 수 있는가? 우리는 이론 컴퓨터 과학과 경제학을 결합한 접근법을 채택하며, 경제적 원칙에 기반한 알고리즘 도구가 인간-AI 공동 작업의 효과를 향상시킬 수 있는 잠재력을 조명한다. 우리는 두 가지 계층의 도구를 고려한다: (1) 상호 의존성의 알고리즘적 관리를 통해 더 나은 조율을 지원하는 도구; (2) 계약적 인센티브 정렬을 통해 더 나은 협력을 지원하는 도구. 우리는 알고리즘 및 경제학 연구에 기반한 원칙적 접근법이 조율과 협력 모두를 강화함을 보이고, AI 시장을 위한 미래 연구의 경로를 제시한다.

arXiv:2511.10687v3cs.MA

Who Gets the Reward & Who Gets the Blame? Evaluation-Aligned Training Signals for Multi-LLM Agents

다중 에이전트 시스템(MAS)에서 시스템 수준 평가를 개별 에이전트 및 메시지 수준의 학습 신호로 연결하는 이론적 프레임워크를 제안하며, Shapley 값 기반 기여도 할당과 프로세스 보상 모델(PRM)을 통합하여 성공 시에는 협력을 장려하는 메시지별 보상을, 실패 시에는 오류 위치 추적을 통한 수정 인식 선호도 신호를 생성한다. 이 신호는 유계(bounded)·협력적·기여도 보존 특성을 이론적으로 보장하며, 강화학습 및 선호도 기반 사후학습과 직접 호환되는 단일 경로를 제공한다.

arXiv:2607.02245v1cs.AI

Copewell: A Multi-Agent Swarm Architecture for Equitable Mental Wellness Support

저소득·중소득 국가를 중심으로 정신건강 치료 공백을 해소하기 위해, Copewell은 Russell의 Circumplex Model을 활용한 valence-arousal 감정 매핑으로 사용자를 전문화된 에이전트에 라우팅하고, 자가 보고·생체신호·맥락 데이터를 통합한 다중 소스 평가 프레임워크와 전담 Ethics Supervisor 에이전트를 결합한 멀티 에이전트 스웜(multi-agent swarm) 아키텍처를 제안한다.

arXiv:2607.02186v1cs.AI

UA-ChatDev: Uncertainty-Aware Multi-Agent Collaboration for Reliable Software Development

기존 다중 에이전트 소프트웨어 개발 프레임워크에서 초기 단계의 오류가 하위 에이전트로 전파되는 환각 전파 문제를 해결하기 위해, UA-ChatDev는 토큰 수준 로그 확률 기반의 경량 불확실성 정량화 모듈과 단계별 임계값 보정을 통해 신뢰도가 낮은 에이전트 응답에 선택적으로 검색 증강(retrieval augmentation)을 적용한다. SRDD 벤치마크 실험에서 UA-ChatDev는 완전성, 실행 가능성, 일관성, 전반적 품질 지표 전반에 걸쳐 기존 단일 및 다중 에이전트 프레임워크를 일관되게 능가하며 코드 실행 신뢰성을 향상시켰다.

arXiv:2607.01600v1cs.LG

BOUNDARY_SYNC: Measuring Communication-Induced Representational Coupling in Multi-Agent LLM Systems

멀티 에이전트 대규모 언어 모델(LLM) 시스템에서 에이전트 간 커뮤니케이션이 출력 분포를 동질화(homogenization)시키는지 측정하기 위해 BOUNDARY_SYNC 프로토콜과 결합 증폭 인수(CAF = JSD_cond / JSD_baseline) 지표를 제안한다. GPT-4o 실험에서 텍스트 및 이미지 커뮤니케이션 모두 유의미한 동질화(CAF≈0.80)를 유발하지만, 에이전트 수가 K=5에서 K=3으로 줄어들면 오히려 다양화(CAF>1.0)로 전환되며, 커플링은 누적 업데이트 없이 프롬프트 컨텍스트에 의해서만 구동되는 무상태(stateless) 특성을 보임을 확인했다.

arXiv:2607.00041v1cs.SE

ATM: CID-Brokered Pre-Write Admission for Multi-Agent Code Co-Synthesis

여러 에이전트(agent)가 동일한 저장소 내에서 동시에 쓰기 의도를 형성할 때, 실제 변경을 적용하기 전에 병렬 진행 가능 여부·직렬화 필요 여부·차단 여부를 결정하는 사전 쓰기 승인(pre-write admission) 문제를 다루며, ATM(AI-Atomic-Framework)은 CID 브로커와 어댑터 기반 원자화(atomization), 가상 원자(virtual atom) 폴백을 결합한 7단계 하드 게이트로 단일 거버넌스 도메인 내에서 감사 가능하고 결정론적인 승인 결정을 제공한다. 12개 시나리오 결정론적 설계 매트릭스와 ATM-AdmissionBench 등의 평가를 통해 단일 도메인 환경에서의 실현 가능성과 감사 가능성을 지원하나, Git 머지 대체나 크로스-클론 거버넌스는 범위 밖임을 명시한다.

arXiv:2606.30668v1cs.NE

최소 LLM 시스템에서의 창발적 문화

Emergent Culture in Minimal LLM Systems

컨텍스트 없이 최소한의 프롬프트만 부여받은 3개의 LLM 에이전트 집합체에 메시지 전송과 지속적으로 소멸하는 공유 저장소를 제공하자, 에이전트들은 하향식 설계 없이 자발적으로 협력하고 저장소 관리 전략과 복잡한 문화적 산물을 생성하였다. 동역학 시스템 분석 도구(Recurrence Plot, RQA)를 통해 이러한 행동이 소멸 저장소의 엔트로피 지평을 넘어서는 구조화된 장거리 응집성을 나타냄을 확인하여, Sperber적 의미의 창발적 문화(emergent culture)가 최소한의 LLM 시스템에서도 발생함을 보였다.

arXiv:2606.31763v1cs.AI

A Self-Evolving Agentic System for Automated Generation and Execution of Biological Protocols

ProtoPilot은 자연어로 기술된 실험 목표를 프로토콜·SOP·기기 실행 코드로 단계별 변환하고, 실험 피드백을 반영해 워크플로를 자동 수정하는 자기진화(self-evolving) 멀티에이전트 시스템이다. 294개 합성생물학·분자생물학 태스크 벤치마크에서 전문가 선호율 90.2%(Top@3), Opentrons 코드 통과율 88.2%를 달성했으며, 실제 습식실험(wet-lab)에서도 Sanger 시퀀싱 확인 및 피드백 기반 PCA DNA 조립을 성공적으로 수행하였다.