PyTorchKR Papers

최신 논문

총 2편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.22682v1cs.AI

함께 추론하는 법을 학습하는 자기 조직화 에이전트 팀

Self-Organizing Agent Teams Learn to Reason Together

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.

arXiv:2606.06526v1cs.AI

CrowdMath: 크라우드소싱 수학 연구 토론 데이터셋

CrowdMath: A Dataset of Crowdsourced Mathematical Research Discussions

대규모 언어 모델(LLM)은 수학적 추론에서 상당한 진전을 이루었으나, 기존 벤치마크는 대부분 최종 답변, 단계별 풀이, 또는 완전한 증명이 있는 명확히 정의된 문제를 평가한다. 이러한 벤치마크는 협력적 미해결 문제 풀이, 즉 참가자들이 부분적 논증을 제안하고, 이전 단계의 오류나 빈틈을 파악하고, 결함 있는 추론을 수정하며, 점진적 기여를 증명으로 종합해 나가는 환경을 포착하지 못한다. 우리는 CrowdMath를 소개한다. 이는 MIT PRIMES--Art of Problem Solving(AoPS) CrowdMath 프로그램(2016-2025)에서 수집한 164개의 전문가 주석 진행 체인(progress chain)으로 구성된 데이터셋으로, 해당 프로그램의 토론은 동료 심사 논문으로 이어진 협력 연구 이니셔티브이다. 각 체인은 미해결 문제 진술에서 완성된 증명에 이르는 다중 참가자 포럼 토론을 추적한다. 게시물은 진화하는 풀이 과정에서의 기능적 역할에 따라 부분 진행, 증명 완성, 오류 추론, 오류 식별 등으로 레이블링된다. 우리는 평가 태스크를 정의하고 6개의 최신 프론티어 모델을 벤치마크한다. 모델들은 다음 게시물 예측에서 83-88%의 정확도를 달성하여 수학적 토론의 지역적 흐름을 따를 수 있음을 보여준다. 그러나 개별 기여의 기능적 중요성을 파악하는 데는 어려움을 겪으며, 최고 모델도 게시물 역할 분류(post-role classification)에서 매크로 F1 0.42를 달성하는 데 그쳤다. CrowdMath는 명확히 정의된 수학 문제를 푸는 것과 전개되는 협력적 수학 진행 과정을 이해하는 것 사이의 간극을 드러낸다.