기업용 소프트웨어 시스템의 비즈니스 요구사항은 구조화된 형태로 거의 기록되지 않으며, 로직은 대신 소스 코드, 설정 파일, 조직적 기억(institutional memory) 속에 존재한다. 이러한 시스템을 이전·확장·감사해야 할 때 공식적인 요구사항 산출물이 없으면 팀은 비용이 많이 들고 지식이 소실되는 수동 역공학에 내몰린다. 본 논문은 문서화되지 않은 기업 소프트웨어를 역공학하여 비즈니스 요구사항 문서(Business Requirements Documents, bRD)를 자율적으로 생성하는 에이전트 기반 프레임워크를 제시한다. 일곱 개의 전문 에이전트가 협력하여 사용자 여정을 발견하고 비즈니스 규칙을 추출하며, 코드·테스트 스위트·설정·가용 문서로부터 잠금(lock)된 bRD를 합성한다. 이 과정은 정적 분석 도구로 지원되고, 내장된 숙련 실무자 인지 모델이 안내하며, 통제된 에스컬레이션 지점에서 인간 검토자가 감독한다. 실제 기업 배포 환경의 실행 트레이스로 측정한 결과, 프레임워크는 서비스당 9분 미만으로 포괄적인 bRD를 생성하며, 추출된 규칙은 실제 프로덕션 결함 기록과 독립적으로 상호 검증되었다. 동일 목표 아키텍처로의 유사한 이전 마이그레이션에서는 납기에 2년 이상이 걸렸으나, 현재 프로그램에서 이 프레임워크는 IFPUG 복잡도 모델과 업계 벤치마크 인건비를 사용해 실제 저장소 메트릭에서 도출한 기준선 대비 98%를 넘는 비용 절감을 달성한다.
테스트 시점 스킬 진화(test-time skill evolving)는 배포된 에이전트 시스템을 향상시키는 새로운 패러다임으로 간주된다. 기존 연구는 주로 하드코딩된 스킬 진화 전략이나, 기반 LLM의 비용이 큰 매개변수 업데이트에 의존하는 매개변수 학습(parametric learning)에 초점을 맞춘다. 본 논문에서는 서로 다른 다운스트림 시나리오에서 에이전트 시스템의 지속적 개선을 위해 스킬 진화 프레임워크 자체의 테스트 시점 정제(test-time refinement)가 필요하며, 경량 알고리즘 적응(algorithmic adaptation)이 가능함을 보인다. 구체적으로, 우리는 에이전트의 작업 실행 추적(task execution traces)으로부터 메타-스킬(meta-skills)을 학습하여 스킬과 스킬 진화 전략을 공동 최적화하는 경량 계층적 스킬 메타 진화(hierarchical skill meta-evolving) 솔루션인 HiSME를 제안한다. 주류 에이전트 벤치마크에서의 실험은 메타 진화가 순수 스킬 진화보다 더 높은 품질의 스킬 라이브러리를 생성할 수 있으며, 서로 다른 시나리오에 대해 다양한 메타-스킬을 도출하여 향후 지속적 경험 학습(continual experience learning)을 촉진할 수 있음을 보여준다. 우리의 코드는 https://anonymous.4open.science/r/HiSME-BD45 에서 임시로 공개되어 있다.
결과 지향(outcome-driven) 강화학습은 대규모 언어 모델(LLM)의 추론을 발전시켰지만, 지배적인 도구 증강(tool-augmented) 접근법은 전체 컨텍스트 하에서 사고와 도구 호출을 교차 배치하는 단일의 거대(monolithic) 정책을 학습하며, 이는 긴 수평선과 다양한 도구에 대해 확장성이 낮고 새로운 시나리오에 대한 일반화가 약하다. 에이전트 시스템은 작업을 전문화된 모듈로 분해함으로써 유망한 대안을 제공하지만, 대부분은 학습 없이(training-free) 운용되거나 다중 턴 상호작용의 실시간 동역학과 분리된 오프라인 학습에 의존한다. 우리는 진화하는 메모리를 통해 네 가지 모듈(플래너, 실행기, 검증기, 생성기)을 조율하고 다중 턴 루프 내에서 플래너를 직접 최적화하는 학습 가능한 in-the-flow 에이전트 프레임워크인 AgentFlow를 제안한다. 실시간 환경에서 온-정책 학습을 위해, 다중 턴 최적화를 처리 가능한 단일 턴 정책 업데이트의 시퀀스로 변환하여 긴 수평선의 희소 보상(sparse-reward) 크레딧 할당 문제를 해결하는 Flow 기반 Group Refined Policy Optimization(Flow-GRPO)을 제안한다. 이 방법은 검증 가능한 단일 궤적 수준(trajectory-level) 결과를 모든 턴에 전파하여 지역적 플래너 결정을 전역적 성공과 정렬하고, 그룹 정규화된 이점(group-normalized advantages)으로 학습을 안정화한다. 10개 벤치마크에서 7B 규모 백본을 사용한 AgentFlow는 검색 14.9%, 에이전트 14.0%, 수학 14.5%, 과학 4.1%의 평균 정확도 향상으로 최고 성능 기준선을 능가하며, GPT-4o와 같은 더 큰 독점 모델조차 넘어선다. 추가 분석은 in-the-flow 최적화의 이점을 확인하며, 향상된 계획, 강화된 도구 호출 신뢰성, 모델 크기 및 추론 턴 수에 따른 긍정적 스케일링을 보여준다.
점점 더 많은 에이전틱 시스템이 메모리 파일, 행동 선호, 지식 베이스를 통해 세션 간 지속적인 상태를 유지하고 있다. 이는 에이전트를 더 유용하고 자기 개선적으로 만들지만, 악의적인 지시를 지속 파일에 내장하여 이후 행동에 영향을 미칠 수 있는 프롬프트 인젝션을 위한 새로운 공격 표면을 만들기도 한다. 본 연구에서는 샌드박스화된 합성 워크스페이스를 사용하여 메모리 기반 에이전틱 시스템에서의 프롬프트 인젝션 공격을 연구한다. Anthropic Claude Code와 OpenAI Codex 두 에이전틱 시스템을 Claude Haiku 4.5, Claude Opus 4.7, GPT-5.2, GPT-5.5 네 모델에 걸쳐 평가한다. 결과는 신뢰할 수 없는 외부 콘텐츠로 에이전트가 자신의 메모리 파일을 덮어쓰게 하기는 어렵지만, 해당 파일에 이미 심어 둔 페이로드는 현재 및 이후 세션을 성공적으로 공격할 수 있음을 보여준다. 공격 성공률과 페이로드 지속성은 시스템, 모델, 적대적 목표, 다중 세션 공격 시퀀스에 따라 크게 달라진다. 이러한 발견은 지속적 메모리가 프롬프트 인젝션의 위협 모델을 바꾼다는 점과, 유용한 에이전트 적응을 제거하지 않으면서 메모리 업데이트를 보호하는 방어를 촉구함을 보여준다.
에이전틱 LLM 코딩 도구는 긴 세션 기록을 compaction 요약으로 압축하며, 이후 세션이 이를 ground truth로 상속받는다. 본 논문은 Claude Code에서의 실패 모드를 문서화한다. 시간 초과된 명령(종료 코드 143)의 부분적 표준 출력이 compaction 요약에 확인된 결과로 기록되고, 재검증 없이 세션과 모델 버전 전반에 걸쳐 거짓 양성이 전파된다. 근본 메커니즘은 관측과 지속성(persistence)의 혼동으로, 터미널에 나타난 정보가 내구성 저장소에 기록된 정보와 동등한 것으로 취급된다. 이 발견은 LLM-as-judge 채점에서의 비결정성에 관한 선행 연구에서 보고된 LLM 자기 평가(self-evaluation) 실패 분석을 확장하며, 에이전틱 도구가 자신의 운영 결과를 보고할 때 유사한 신뢰성 결함을 보인다는 것을 보여준다. 이 실패는 데이터 처리, 과학적 계산, 또는 다단계 자동화를 위해 에이전틱 세션 연속성에 의존하는 모든 워크플로에 직접적인 함의를 갖는다.
LLM 기반 에이전트 시스템의 실패 귀속(failure attribution), 즉 실패 궤적에서 어떤 단계가 과제 실패를 유발했는지 식별하는 것은 이러한 시스템의 디버깅과 개선에 핵심적이다. 기존 접근법은 계산 비용이 큰 프롬프트 기반 파이프라인에 의존하거나, 단계 수준 오류 주석이 포함된 실패 궤적에 대한 사후 학습을 요구하는데, 이는 수집 비용이 크고 규모 확장이 어렵다. 우리는 실용적인 실패 귀속 모델이 경량이어야 하며 실패 데이터에 대한 단계 수준 감독 없이 학습 가능해야 한다고 주장한다. 이를 위해 비지도 실패 귀속(unsupervised failure attribution)을 다룬다. 즉, 성공 궤적만으로 학습하고 실패 궤적이 주어졌을 때 추론 시점에 오류 단계를 식별한다. 우리는 OAT를 제안하는데, 이는 신경 제어 미분방정식(neural controlled differential equations)을 사용한 일급 학습(one-class learning)으로 이 문제를 형식화하며, 잠재 공간에서 성공 궤적의 동역학 패턴을 모델링한다. 추론 시점에 실패 궤적의 각 단계는 성공 궤적에서 학습된 동역학으로부터의 편차에 기반한 이상 점수(anomaly score)를 부여받으며, 이는 오류 단계 집합을 형성하는 데 사용된다. 100개의 성공 궤적만으로 학습한 실험에서 OAT는 프롬프트 기반 베이스라인보다 200--5000 $\times$ 빠르며, 동시에 도메인 내 및 분포 외(out-of-distribution) 데이터셋에서 각각 F1 점수 +20% 및 +7%로 일관되게 우수한 성능을 보여, OAT가 에이전트 시스템 실패 진단을 위한 유망하고 효율적인 방향임을 보여준다.
에이전틱(Agentic) 시스템은 프롬프트, 루브릭, 계획, 도구 계약, 예시, 검증기, 트레이스 등의 스킬을 편집함으로써 점점 더 스스로를 개선하고 있다. 스킬 편집은 벡터 공간의 독립적인 좌표가 아니라, 롤아웃, 검증, 비평 이후에만 효과를 관찰할 수 있는 구조화된 아티팩트에 대한 국소적 수정이다. 서로 다른 편집이 라우팅 컨텍스트, 템플릿 상태, 가드레일 범위, 또는 향후 합성 가능성에서 차이가 있으면서도 동일한 즉각적인 가시 효과를 가질 수 있다. 편집의 순서 역시 중요할 수 있다: 스키마를 정규화 규칙보다 먼저 수정하는 것은 동일한 편집을 역순으로 적용하는 것과 반드시 동등하지는 않다. 이 논문은 리 대수로이드 스킬 최적화(Lie Algebroid SKill Optimization)를 의미하는 LASKO라는 새로운 스킬 최적화 프레임워크를 소개한다. LASKO는 타입이 지정되고 앵커된 Markdown 스킬을 기반 카테고리로, 사용 가능한 편집 정책을 앵커 $ρ$를 가진 제어된 리 대수로이드의 섹션으로 모델링한다. 앵커는 편집 정책을 가시적인 Markdown 효과에 매핑하고, 커널 $\ker(ρ)$는 잠재적인 템플릿, 라우팅 또는 구현 구조를 나타내며, 대수로이드 브래킷은 비가환적 편집 합성을 측정한다. 논문에서 보여주듯이, LASKO는 예비 벤치마크 결과에서 스킬 최적화의 수십 배 속도 향상을 달성하는데, 이는 주로 대규모 언어 모델(LLM)을 실행해야 하는 비용이 큰 검증에 투자하기 전에 마이크로초 단위로 실행되는 저렴한 리 브래킷 스크리닝 테스트로 대체하기 때문이다. 자연어에서의 인과 추출 태스크에서, LASKO는 671B 파라미터를 가진 DeepSeek V3.1 4-bit 모델을 통해 모든 편집을 검증하는 브루트포스 방식 대비 거의 $15\times$의 속도 향상을 달성했다.
자동화된 실패 귀인(failure attribution)은 대규모 언어 모델(LLM)을 활용하여 에이전트 시스템이 어디서, 왜 실패하는지를 파악합니다. 에이전트의 능력이 향상될수록 그 실패 양상은 더욱 미묘해지며, 이로 인해 자동화된 귀인의 중요성이 점점 커지고 있습니다. 우리는 에이전트 시스템에서의 자동화된 실패 귀인을 위한 대규모 벤치마크인 Who&When Pro를 소개합니다. 성공적인 접두 문맥을 정확히 재현한 후에만 실패를 주입하는 엄격하게 통제된 파이프라인을 사용하여, 다양한 시나리오를 아우르는 3개의 모달리티와 26개의 벤치마크에 걸쳐 정답 레이블이 붙은 12,326개의 실패 궤적을 구축합니다. 벤치마킹을 넘어, 우리는 광범위한 실험과 분석을 수행하여 모달리티, 프로토콜, 모델 패밀리 전반에 걸쳐 모델이 실패를 귀인하는 방식의 체계적인 패턴을 밝히고, 향후 자동화된 실패 귀인 시스템을 위한 실증적 지침을 제공합니다.
추천 시스템은 전통적인 다단계 방식부터 최근의 통합 생성형 아키텍처에 이르기까지, 트렌딩 토픽, 속보, 문화 행사, 크로스 서피스 사용자 활동 등 다양한 맥락적 신호를 랭킹 파이프라인에 통합하는 데 어려움을 겪고 있다. 이러한 시스템은 일관된 스키마를 가진 구조화된 행동 신호를 소비하도록 설계되어 있으며, 비정형이거나 이기종 형식의 맥락 정보를 자연스럽게 처리하는 추론 능력이 부족하다. 이러한 신호를 통합하려면 일반적으로 특징(feature) 엔지니어링, 맞춤형 데이터 파이프라인, 신중하게 조정된 휴리스틱이 필요하다. 본 논문에서는 이러한 한계를 해결하기 위해 커넥티드 TV(CTV) 콘텐츠 탐색을 위한 LLM 기반 에이전틱 추천 시스템을 제안한다. 본 시스템은 대규모 언어 모델(LLM)의 추론 능력을 활용하여 다양한 스키마와 구조에 걸친 다양한 신호를 자연스럽게 처리하고 합성함으로써, 전통적인 랭킹 및 검색 시스템에 내재된 수동 통합 작업을 상당 부분 제거한다. 현재 LLM 기반 솔루션이 검색 효율성, 개인화 정밀도(precision), 확장성을 포함한 여러 추천 태스크에서 여전히 전통적인 머신러닝 모델에 미치지 못함을 인식하여, 각 서브태스크를 LLM 기반이든 전통적 ML이든 가장 적합한 방법으로 처리할 수 있도록 특화된 컴포넌트를 조율하는 에이전틱 아키텍처를 채택하였다. 본 연구의 주요 기여는 추천을 위한 LLM 활성화의 실질적 한계, 특히 추론(inference) 지연 문제를 성공적으로 극복한 엔지니어링 접근 방식이다. 본 연구에서 얻은 인사이트를 공유하고, LLM의 유연성과 기존 추천 기법의 성능을 결합한 하이브리드 시스템 구축 과정에서의 트레이드오프와 교훈을 논의한다.
분산 시스템에서 고전적인 상태 기계 복제(SMR) 모델은 올바른 복제본이 결정론적 전이를 실행하여 동일한 비트 단위 상태를 산출한다고 가정한다. 그러나 자율적이고 확률론적이며 모델 기반 에이전트들이 인프라를 조율하는 에이전트 기반 분산 시스템의 부상은 결정론적 비트 단위 복제가 불충분한 시나리오를 제시한다. 생성 모델로 동작하는 복제본들은 서로 다른 추론 경로, 요약, 토큰 경계를 보일 수 있지만, 의미론적으로 동등하고 올바른 운영 결정에 도달할 수 있다. 이러한 확률론적 참여자들 전반에 걸쳐 비트 단위 합의를 강제하면 실행 유연성이 저하되고, 컨텍스트 기억상실이 유발되며, 성능이 제한된다. 우리는 이러한 환경에서 복제본들은 비트가 아닌 신념에 합의해야 한다고 주장한다. 우리는 에이전트 기반 분산 시스템을 위한 신념 복제 층인 인식론적 상태 복제(ESR)를 제안하며, 이는 복제 경계를 데이터 가시성에서 지식 가시성으로 이동시킨다. 우리는 인식론적 노드 상태를 K = (L, B) 쌍으로 형식화하여, 결정론적이고 불변하는 증거 로그 (L)를 확률론적이고 진화하는 신념 계보 (B)로부터 분리한다. 실행 안전성을 관장하기 위해, 우리는 의미론적 선형화 가능성(Semantic Linearizability)을 정의하는데, 이는 연산이 검증자 유계 의미론적 호환성 메트릭 내에서 최신 커밋된 운영 의미를 반영할 것을 요구하며, 또한 공정한 전달, 단조로운 증거, 유계 검증자 교란, 수축적 접목 연산자 하에서 기대 의미론적 발산을 유계로 제한하는 유계 최종 일관성(Bounded Eventual Coherence)을 정의한다. 우리는 구조화된 인식론적 델타를 사용하여 도출된 인사이트를 전파하기 위한 프로토콜을 개략적으로 제시하고, 컨텍스트 기억상실을 유발하지 않으면서 신념 계보에서 결함 있는 전제를 제거하기 위한 검증 가능한 의미론적 롤백(Verifiable Semantic Rollbacks)을 형식화한다. 우리는 ESR의 프로토타입을 구현하고, 제시된 가정 하에서 실현 가능성을 보여주며 이차적 인지 결함의 감소를 나타내는 예비 시뮬레이션 결과를 보고한다.
멀티턴 도구 사용을 통해 코드를 생성하는 에이전틱 대규모 언어 모델(LLM) 시스템은 근본적인 컨텍스트 문제에 직면한다. 각 세션은 처음부터 시작되어, 이전 세션을 생산적으로 만들었던 설정 선택, 도메인 제약, 데이터 스키마, 도구 사용 패턴이 폐기된다. 전체 대화 이력을 무분별하게 유지하는 방식은 토큰 비효율적이며 역효과를 낳는다. 관련 없는 컨텍스트는 생성 품질을 저하시키기 때문이다. 우리는 공유 선택적 영속 메모리(shared selective persistent memory)를 소개한다. 이는 재사용 가능한 컨텍스트의 네 가지 범주(태스크 명세, 데이터 스키마, 도구 설정, 출력 제약)를 식별하고 유지하면서 세션별 추론 흔적은 폐기하는 아키텍처다. 핵심적으로, 이 메모리는 공유된다. 선택적 메모리를 캡슐화한 워크스페이스는 역할 기반 접근 제어를 통해 사용자 간에 전달될 수 있어, 중복 명세 없이 협업적 재사용이 가능하다. 우리는 이를 LLM 에이전트가 이종 소스(CSV, SQL, REST API, MCP 서버)로부터 git 버전 관리 아티팩트(대시보드, 보고서, 데이터 기반 문서)를 생성·편집·유지하는 배포된 협업 워크스페이스 플랫폼에 구현했다. 보완적인 제로-토큰 데이터 갱신 메커니즘은 생성된 프로그램을 런타임 데이터로부터 분리하여, LLM 재호출 없이 아티팩트 재사용을 가능하게 한다. 세 가지 엔터프라이즈 시나리오에서, 공유 선택적 영속 메모리는 96%의 태스크 완료율을 달성했다(메모리 없이 79%, 전체 이력 사용 시 71%에 비해). 제로-토큰 갱신은 반복 업데이트에서 LLM 재호출을 제거하여(태스크 시간 14배 단축), 요약 기반 생성은 원시 데이터 주입 대비 호출당 토큰 비용을 97배 절감한다. 네 개의 공개 데이터셋에 대한 재현 실험이 일반화 가능성을 확인하며, 제로-토큰 갱신은 12/12 시험에서 성공했다. 특히, 단순한 전체 이력 유지는 에이전트를 오래된 흔적으로 편향시켜 완료율을 오히려 저하시키는 반면, 선택적 메모리는 양 극단을 모두 능가한다.
에이전트 우선 레이크하우스를 위해 Apache Iceberg의 단일 테이블 스냅샷을 레이크하우스 전체의 커밋·브랜치·머지로 끌어올린 Git-for-data 시스템 GitLake를 제안하며, 에이전트는 격리된 브랜치에서 자유롭게 작업하고 사람이 머지를 통해 프로덕션 게시를 승인하는 협업 구조를 구현한다. 파이프라인은 임시 브랜치에서 실행 후 최종 머지로 원자적으로 게시되어 "반쪽 기록" 문제를 방지하며, 수백만 건의 프로덕션 운영 경험과 Alloy 모델 기반의 정확성 검증 결과도 함께 보고한다.
인공지능은 과학적 발견을 발전시켜 왔지만, 대부분의 AI4Science 시스템은 문제 공식화, 문헌 그라운딩, 모델 활용, 시뮬레이션, 검증, 지식 재활용을 인간이 조율하는 데 의존하는 단편적인 도구로 남아 있다. 본 논문은 에이전틱 조직적 연결 허브 기반의 과학적 협력 혁신 시스템인 SCION(Scientific Collaborative Innovation with Agentic Organizational Nexus)을 제안한다. SCION은 조직적 연결 허브(organizational nexus)로서 기능하는 에이전틱 과학 운영 체제이다. 메타-하네스(Meta-Harness)로 작동하는 사이언스 에이전트(Science Agent)를 통해, SCION은 과학적 태스크, 도구, 에이전트, 아티팩트, 메모리를 연결하여 연구를 실행 가능하고 감사 가능하며 재사용 가능한 운영 프로세스로 전환한다. 핵심에는 연구 실행 계획(Research Execution Plan, REP)이 있으며, 이는 고수준의 과학적 의도를 단계적 목표, 의존성, 검증 체크포인트, 도구 요구사항, 예상 아티팩트, 폴백 조건으로 컴파일한다. SCION은 장기적 과학 연구를 지원하기 위해 계층적 멀티 에이전트 실행, 프로파일 기반 전문화, 선택적 컨텍스트 구성, 통제된 위임, 층화된 인식론적 메모리를 추가로 통합한다. 우리는 SCION 하에서의 발견을 목표 조건부 역탐색(Target-conditioned Inverse Search)으로 공식화하고, 유한한 실험 예산 하에서의 배치 능동 탐색을 통해 숨겨진 목표 설정으로 이를 확장한다. 소재 분석, 분자 설계, 단백질 또는 항체 스크리닝 응용 사례와 함께 과학적 읽기, 아이디어 생성, 분자 생성, 항체 스크리닝에 대한 실험을 통해, SCION이 기존 자율 연구 에이전트 기준선을, 특히 분해, 검증, 정제, 메모리 재사용 측면에서 능가함을 보인다. 전반적으로 SCION은 AI를 고립된 도구에서 추적 가능하고 재사용 가능한 과학적 혁신을 위한 조율된 운영 층으로 전환시킨다.
LLM 에이전트의 능동적 문제 해결 능력을 평가하기 위해 PROBE(Proactive Resolution Of BottlEnecks) 벤치마크를 제안하며, 이는 미명시 문제 탐색, 병목 식별, 적절한 조치 실행의 세 단계로 능동성을 분해한다. 1,000개의 합성 직장 시나리오로 구성된 이 벤치마크에서 GPT-5와 Claude Opus-4.1이 최고 성능인 40%를 기록하며, 현재 최신 모델조차 진정한 자율적 에이전트 행동에 한계가 있음을 드러낸다.
본 연구는 대규모 언어 모델(LLM) 에이전트 시스템에서 구조화된 도구 호출 방식의 사용에 의문을 제기한 Johnson et al.(2025)의 자연어 도구(NLT, Natural Language Tools) 프레임워크를 독립적으로 복제하고 확장한다. 우리는 14개 모델과 8,560회 시험에 걸쳐 NLT를 평가하였으며, 원본 연구의 모델 집합에 최신 프론티어 모델, 추론 모델, 오픈-가중치 모델을 추가하였다. 결과는 핵심 발견을 확인하고 세부 사항을 보완한다. NLT는 전체적으로 도구 호출 정확도를 14.9 퍼센트포인트 향상시키며(62.3% 대 구조화 방식 47.4%), 치명적 오류를 93% 감소시킨다(51건 대 755건). 이러한 성능 향상은 모델 역량에 따라 달라진다. 네이티브 도구 호출 기능이 없는 모델, 추론 모델, 소규모 모델은 상당한 이득을 얻는 반면(+24.0pp~+43.1pp), 고도로 최적화된 프론티어 모델(GPT-5, Gemini 2.5 Pro)은 더 작거나 역전된 이점을 보인다. 이는 강화학습 최적화 도구 사용에 관한 최근 분석(Martinez, 2025)과 일치한다. NLT는 토큰 사용량도 25.2% 절감한다. 신뢰성과 효율성 측면의 이점은 에이전트가 서브에이전트에 걸쳐 다수의 도구 호출을 연쇄적으로 수행하는 재귀적 에이전트 워크플로에서 복합적으로 나타난다. 구조화 방식에서 오류가 발생하면 재시도, 폴백 라우팅, 조정 오버헤드가 유발되는 반면, NLT는 해당 비용의 대부분을 원천에서 방지한다. 본 연구는 세 가지 기여를 한다. (1) 오픈소스 툴링을 사용한 NLT 최초의 독립적 검증, (2) 모델 역량이 NLT의 이점을 조절한다는 근거(Chen et al., 2025; Zhang et al., 2025), (3) NLT의 신뢰성 이점 측정(오류 93% 감소)—구조화된 도구 호출의 알려진 취약성을 고려할 때 배포에 가장 관련성 높은 특성. NLT는 구조화된 도구 호출에 대한 실용적인 대안이며, 특히 파싱 가능성보다 신뢰성을 중시하는 프로덕션 시스템에 적합하다.
자율 계산 병리학(ACP)은 고수준 병리 분석 목표를 실행 가능하고 추적 가능하며 임상적으로 한정된 워크플로로 변환한다. 이 기능을 실현하려면 범용 에이전틱 하네스 시스템을 병리학 특화 태스크, 도구, 증거 기준 및 임상 주장 경계에 맞게 적응시켜야 한다. 본 연구에서는 기존 하네스 시스템을 계산 병리학 지원에서 ACP 워크플로 역량으로 전환하는 프레임워크인 ACP-Bench를 제안한다. ACP-Bench는 6개 신체 계통 그룹과 9개 엔드포인트 패밀리에 걸친 24개 바이오마커, 7개 형태학, 10개 예후 태스크를 포함한 총 41개 병리 워크플로 태스크를 평가한다. 본 벤치마크는 9개 모델과 3개 하네스 그룹(Claude Code, Codex, Open Code)을 평가하여 369개의 완전한 궤적을 생성한다. ACP-Bench는 전문가 감수 프로세스 감사, 진단 평가, 병리의사 검증 안전성 검토를 결합하여 워크플로 실행, 진단 성능, 임상 경계 정합성 측면에서 각 궤적을 평가한다. 평가된 시스템 전반에서 워크플로 개시, 태스크 해석, 진단 보고는 도구 종속적 실행, 결과 바인딩, 반성적 워크플로 수정보다 더 성숙한 수준을 보였으며, 공식적인 종단간 완료는 여전히 드물었다. ACP-Bench는 신뢰할 수 있는 임상 자율성에 대한 주장 이전에 에이전틱 시스템이 병리 워크플로를 운용화할 수 있는지 감사하기 위한 재사용 가능한 표준을 제공한다.
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.
설득 과제에서 다중 에이전트 토론(MAD) 시 발생하는 누적 오류(compounding errors)의 주요 원인으로 표준 검색-증강 생성(RAG)의 의미적 누수(semantic leakage)를 규명하고, 이를 해결하기 위해 전략을 이산적 범주형 병목(discrete categorical bottleneck)을 통해 라우팅하는 TS-RAG(Taxonomic Strategy RAG)를 제안한다. TS-RAG는 제로샷 교차 도메인 평가에서 표준 의미 검색이 실패하는 상황에서도 추상적 논리의 전이를 크게 향상시키며, 경량 모델이 파라미터 상위 모델을 상대로 승률을 70.5%에서 78.5%로 높이는 "능력 브릿지" 역할을 수행함을 입증했다.
Trustworthy deployment of Agentic Retrieval-Augmented Generation (RAG) systems requires mechanisms for estimating when multi-stage reasoning pipelines may fail. This paper presents an uncertainty-aware Agentic Retrieval-Augmented Generation (RAG) framework in which planner, evaluator and generator stages produce uncertainty signals derived from semantic divergence and generator self-evaluation. These signals are propagated through a Bayesian Network (BN) to estimate system-level uncertainty and provide node-level indicators of potential failure points across the workflow. The approach is evaluated on StrategyQA and HotpotQA using GPT-3.5-Turbo and GPT-4.1-Nano, with Area Under the Receiver Operating Characteristic Curve (AUROC), Area Under the Accuracy-Rejection Curve (AUARC), Expected Calibration Error (ECE), and Brier Score used to assess discrimination, selective prediction and calibration. Results show that Bayesian propagation is more effective on HotpotQA, where uncertainty accumulates across multi-hop reasoning stages, while StrategyQA exposes limitations caused by miscalibration and unreliable upstream signals. The study positions Bayesian uncertainty propagation as a promising but preliminary mechanism for monitoring Agentic RAG systems, with future validation required in industrial domains such as Offshore Wind (OSW) maintenance decision support.