LLM 기반 에이전트들이 주고받는 정보를 주장 단위로 쪼개 분석하는 평가 방법 RIVER가 논문으로 제안됐다. 기존 멀티 에이전트 평가는 대체로 최종 과제 결과에 초점을 맞췄는데, 이 연구는 에이전트가 상호작용하는 동안 정보가 공유되고 확장되고 잊히는 과정을 직접 측정한다. 논문은 2026년 10월 23일 arXiv에 올라왔다.
RIVER는 에이전트의 출력을 더 나눌 수 없는 단위의 주장으로 분해한 뒤 세 가지 차원을 평가한다. 수렴은 에이전트 사이의 주장 대응과 입장 일치를, 탐색은 의미의 폭과 원자료를 넘어선 확장을 본다. 유지는 원자료가 보존되는 정도와 새로 나온 주장이 단계와 계보를 거치며 남는지를 추적한다.
연구진은 통제된 뉴스 생성 사례 40건에서 상호작용 전략 5가지를 비교했다. 반복적으로 풀링하는 상호작용(repeatedly pooled interaction)은 수렴을 높였지만 정보 공간을 좁혔다. 분산 릴레이 방식은 더 넓지만 공유 정도가 낮은 정보를 만들어 냈다. 방법별 제약을 두면 탐색은 늘었으나 수렴과 유지는 약해졌다.
연구진은 이 결과가 집단의 정보 동학을 단순한 후속 과제 성능보다 그 밑의 정보 흐름 메커니즘으로 더 잘 설명할 수 있음을 시사한다고 밝혔다.
출처
이 기사는 아래 자료를 바탕으로 정리했습니다. 제목을 누르면 원문이 새 창으로 열립니다.