멀티 에이전트 시스템의 기억과 협업 구조를 서로 맞물리게 함께 진화시키는 프레임워크 CoEvolve가 논문으로 공개됐다. 논문은 2026년 10월 24일 arXiv에 올라왔다. 연구진은 ALFWorld와 WebShop 벤치마크 실험에서 평가한 비교 기법 가운데 전체 성능이 가장 좋았다고 밝혔다.
대규모 언어 모델(LLM) 기반 멀티 에이전트 시스템은 여러 과제에서 뛰어난 능력을 보였지만, 기억과 협업 구조가 고정된 경우가 많아 시간이 지나도 개선이 제한된다는 것이 연구진의 문제 제기다. 경험을 바탕으로 기억이나 협업 방식 중 하나를 진화시키는 선행 연구가 있었다고 논문은 설명한다.
연구진은 두 요소가 서로 의존하는데도 갱신 방향이 어긋날 수 있다고 지적했다. 새로 진화한 워크플로가 기억에 없는 경험을 요구할 수도 있고, 진화한 기억이 워크플로가 쓸 수 없는 지침을 담을 수도 있다는 것이다.
CoEvolve는 재사용 가능한 국소적 협업 패턴을 스킬로 표현하고, 이 스킬이 협업 결정과 그것을 뒷받침하는 기억을 이어 준다. 원래 궤적과 반사실 궤적을 비교해 국소적인 진화 신호를 찾고, 이 신호로 라운드마다 스킬 라이브러리, 스킬 기억, 실행 에이전트의 기억을 함께 갱신한다.
연구진은 구성 요소를 하나씩 빼고 비교하는 제거 실험(ablation)에서도 정렬된 공진화와 반사실 기반 진화가 효과가 있음을 추가로 확인했다고 밝혔다.
출처
이 기사는 아래 자료를 바탕으로 정리했습니다. 제목을 누르면 원문이 새 창으로 열립니다.