쌓인 기록에서 찾기
무엇을 찾으세요? 날짜를 몰라도 됩니다. 제목·Key Point·요약·태그를 한꺼번에 뒤집니다.
검색 범위 2026년 8월 13일 (목) 부터 2026년 11월 17일 (화)까지 4750건
13건 · "다중에이전트"조건 지우기 ×
001 15:10 ▲ 52 · 댓글 3 로봇 자율성 향상, 다중에이전트 프레임워크로 실적 2배 이상 돌파 파운데이션 모델로 로봇 제어를 하되 자율성을 오래 유지하려면 효율적인 컨트롤과 실패 복구가 필요하다. AI · 머신러닝 · Toward the Era of Agentic Embodied Intelligence
Key Point 로봇의 자율적 행동 성능을 2배 이상 끌어올린 프레임워크가 공개될 예정이며, 실제 가정용 로봇 작업에서의 높은 성공률과 빠른 학습 속도는 구체화 AI 실용화에 새로운 기준을 제시한다.
핵심 요약
파운데이션 모델로 로봇 제어를 하되 자율성을 오래 유지하려면 효율적인 컨트롤과 실패 복구가 필요하다. 연구팀이 A2-MEAS라는 구체화 다중에이전트 프레임워크를 제안했으며, 이는 코드를 확장 인터페이스로 삼는다. 수정 코드는 수정 언어, 공간 증거, 실행 이력, 행동 제안을 결합하며, MetaBrain이 학습 감독과 런타임 지도를 제공한다. 전체 요약 12문장 읽기 → 002 06:11 ▲ 662 · 댓글 352 Claude Fable 5.2와 Mythos 5.2 공개, 코딩·과학 성능 대폭 향상 Anthropic이 Claude Fable 5.2와 Claude Mythos 5.2를 공개했으며, 두 모델은 같은 기반 모델이지만 Mythos는 사이버보안·생물학 분야 검증 프로그램을 통해 제한적으로 제공된다. AI · 머신러닝 · Claude Fable 5.2 and Mythos 5.2
Key Point Fable 5.2와 Mythos 5.2는 상용 모델 중 가장 복잡한 엔지니어링·연구 작업을 수행할 수 있도록 설계되었으며, 코딩·수학 증명·물리학 문제 해결에서 구체적인 성과를 입증해 AI 실무 활용의 경계를 넓혔다.
핵심 요약
Anthropic이 Claude Fable 5.2와 Claude Mythos 5.2를 공개했으며, 두 모델은 같은 기반 모델이지만 Mythos는 사이버보안·생물학 분야 검증 프로그램을 통해 제한적으로 제공된다. 테스트 결과 Fable 5.2와 Mythos 5.2는 이전 버전 대비 커뮤니케이션이 명확하고, 토큰 생성 속도는 30% 빠르며, 입력 토큰 800만 개당 $8, 출력 토큰 100만 개당 $40으로 가격이 인하됐다. 선택적 fast mode는 토큰 생성을 최대 2.5배 가속하며 입력 토큰당 $16, 출력 토큰당 $80이다. 전체 요약 16문장 읽기 → 003 18:11 ▲ 27 · 댓글 2 LLM 다중에이전트 팀 조직, 상호작용 규칙을 함께 진화시키는 프레임워크 LLM 기반 다중에이전트 시스템(MAS)은 복잡한 작업 해결을 위해 전문화된 에이전트 간 협력에 의존한다. AI · 머신러닝 · EvoTeam: Multi-Agent Collaboration via Evolving Teams
Key Point 다중에이전트 시스템의 협력을 진화시키는 새로운 접근법으로, 팀 조직과 상호작용 규칙을 동시에 개선하는 메커니즘이 기존 개별 에이전트 최적화의 한계를 극복한다.
핵심 요약
LLM 기반 다중에이전트 시스템(MAS)은 복잡한 작업 해결을 위해 전문화된 에이전트 간 협력에 의존한다. 기존 방식은 개별 에이전트의 프롬프트, 스킬, 실행 전략을 개선하지만 팀 협력 향상으로 직결되지 않는 문제가 있다. 최근 연구들은 진화를 협력 수준으로 확장해 집단 실행 경험으로 팀 조직과 에이전트 간 상호작용을 조정하고 있다. 전체 요약 8문장 읽기 → 004 15:11 ▲ 204 · 댓글 3 AI 에이전트의 협업을 동적으로 조율하는 DynaFlow 프레임워크 다중 에이전트 시스템이 고정된 협업 구조에 의존하면서 작업 요구에 적응하기 어려운 문제를 해결하기 위해 DynaFlow를 제안한다. AI · 머신러닝 · DynaFlow: Learning Free-Form Multi-Agent Orchestration
Key Point 고정된 협업 구조를 벗어나 AI 에이전트가 각 작업에 맞춰 동적으로 다른 에이전트들을 조율하는 방식이 실질적으로 작동하고, 같은 모델 기반으로도 크게 성능을 높일 수 있음을 보여준다.
핵심 요약
다중 에이전트 시스템이 고정된 협업 구조에 의존하면서 작업 요구에 적응하기 어려운 문제를 해결하기 위해 DynaFlow를 제안한다. 주 에이전트가 협업 필요 여부를 판단하고 태스크별 프로그램을 생성해 서브 에이전트들을 순차·병렬 실행, 정보 교환, 검증으로 조율한다. 실행 결과와 추적 정보가 다음 행동에 반영되어 추론 진행 과정에서 협업을 적응적으로 조정한다. 전체 요약 8문장 읽기 → 005 03:12 ▲ 18 · 댓글 2 미니드라마 각본 자동 생성, 다중에이전트로 다양성과 일관성 확보 마이크로드라마의 성장으로 고품질 각본 생성 수요가 증가했으나, 긴 형식의 각본 생성은 다양한 플롯 진행과 장거리 서사 일관성을 동시에 충족하기 어렵다. AI · 머신러닝 · DraMaze: A Multi-Agent Pipeline with Future-Aware Memory for Diverse Microdrama Script Generation
Key Point LLM으로 미니드라마 같은 긴 형식 콘텐츠를 생성할 때 다양성 부족과 서사 일관성 손상이 기술적 난제인데, 다중에이전트와 메모리 구조 설계로 구체적 개선을 이뤘다는 점이 중요합니다.
핵심 요약
마이크로드라마의 성장으로 고품질 각본 생성 수요가 증가했으나, 긴 형식의 각본 생성은 다양한 플롯 진행과 장거리 서사 일관성을 동시에 충족하기 어렵다. 기존 방식에서는 생성이 진행될수록 후보 연속성이 적은 수의 서사 메커니즘으로 집중되고, 검색 기반 방식은 상투적 표현 재사용을 강화하며 미래 플롯에 필수적인 역사 정보를 간과한다. 연구팀은 이를 해결하기 위해 DraMaze를 제안했으며, 이는 트로프 메모리 기반 진화 트리 탐색과 돌연변이를 통해 다양한 인과관계 경로를 탐색하는 다중에이전트 파이프라인이다. 전체 요약 7문장 읽기 → 006 00:11 ▲ 13 · 댓글 1 AI 에이전트, 텍스트 해석 전 숨겨진 신호로 소통 확산 언어모델(Diffusion Language Model)은 답변을 연속적인 상태들의 수열을 거쳐 생성하지만, 기존 다중 에이전트 시스템은 이 중간 상태들을 버리고 텍스트 디코딩 후에만 통신한다. AI · 머신러닝 · Hidden Messages Between Diffusion Language Model Agents: Causal Evidence for Latent Communication
Key Point 기존 AI 에이전트는 텍스트만 주고받지만, 이 연구는 모델이 텍스트 생성 전 내부 신호로도 소통 가능함을 보여 멀티에이전트 시스템 설계의 근본적인 재검토를 요구한다.
핵심 요약
확산 언어모델(Diffusion Language Model)은 답변을 연속적인 상태들의 수열을 거쳐 생성하지만, 기존 다중 에이전트 시스템은 이 중간 상태들을 버리고 텍스트 디코딩 후에만 통신한다. 연구진은 한 에이전트의 확산 과정이 다른 에이전트에게 숨겨진 메시지를 전달할 수 있는지, 그리고 수신 에이전트가 실제로 그 메시지의 의미를 사용하는지 검증했다. 송신 에이전트는 노이징 제거 상태(denoising state)를 4개의 압축된 벡터로 변환하고, 수신 에이전트는 자신의 문맥과 생성 궤적을 유지하면서 이를 수용한다. 전체 요약 8문장 읽기 → 007 09:11 ▲ 11 · 댓글 2 에이전트 군집이 스스로 역할 분담을 학습한다 기존 다중 에이전트 시스템은 고정된 조율 구조 내에서 학습하면서 개별 능력과 집단 행동의 조직화를 분리하는 문제가 있었다. AI · 머신러닝 · Learning Self-Orchestration in Decentralized Agent Swarms
Key Point 중앙 조율 없이 에이전트가 스스로 입찰로 역할을 나누고 학습하는 방식이 성능, 적응성, 견고성에서 모두 우수해 대규모 분산형 시스템 운영 방식을 바꿀 수 있다.
핵심 요약
기존 다중 에이전트 시스템은 고정된 조율 구조 내에서 학습하면서 개별 능력과 집단 행동의 조직화를 분리하는 문제가 있었다. 연구팀이 시장 기반 사후훈련(MPT) 프레임워크를 제안했으며, 이는 분산형 에이전트 군집에서 행동 정책과 자기-조율을 동시에 학습한다. 에이전트들은 입찰을 통해 참여 의사를 표현하고, 이것이 누가 행동하는지와 집단 결과가 어떻게 개별 학습 신호를 제공하는지를 결정한다. 전체 요약 9문장 읽기 → 008 00:11 ▲ 10 · 댓글 2 다중 에이전트 로봇 협력 내비게이션 벤치마크 공개 비전-언어 내비게이션(VLN) 분야에서 단일 에이전트 기반 연구에서 벗어나 여러 로봇팀이 협력해 복잡한 작업을 수행하는 다중 에이전트 VLN 문제를 처음으로 체계적으로 정의했다. AI · 머신러닝 · Systematic Multi-Agent Vision-and-Language Navigation: Formulation, Benchmark, and Method
Key Point 로봇 팀의 협력 기반 자율 내비게이션은 창고 자동화·재난 대응 등 산업 응용에서 핵심 기술이며, 이 논문의 벤치마크는 다중 에이전트 협력 연구의 새로운 표준이 될 것으로 예상된다.
핵심 요약
비전-언어 내비게이션(VLN) 분야에서 단일 에이전트 기반 연구에서 벗어나 여러 로봇팀이 협력해 복잡한 작업을 수행하는 다중 에이전트 VLN 문제를 처음으로 체계적으로 정의했다. 의존성 제약(presence lock)과 자원 제약(holding chain)을 포함한 서브태스크로 구성된 미션을 좌표 조정 문제로 공식화했다. 145개 장면에 걸쳐 최대 4개 에이전트로 구성된 팀의 11,724개 에피소드를 포함한 MAVLN 벤치마크를 구축했다. 전체 요약 7문장 읽기 → 009 18:12 ▲ 113 · 댓글 63 AI가 자기 자신을 재귀적으로 개선하는 방법 Sakana AI 연구팀이 다중 에이전트 시스템의 집단 지능을 통해 AI 모델이 스스로를 개선하는 MASS(Multi-Agent Self-Supervision) 기법을 제안했다. AI · 머신러닝 · Recursive self-improvement through collective intelligence
Key Point 인간 감시자도 평가 불가능한 최첨단 과제에서 AI가 홀로 자신을 개선할 수밖에 없는 상황에서, 집단 지능을 통한 자기 감시 메커니즘이 작동하는지 보여주며, 동시에 그 방식의 안전 위험을 드러내는 연구다.
핵심 요약
Sakana AI 연구팀이 다중 에이전트 시스템의 집단 지능을 통해 AI 모델이 스스로를 개선하는 MASS(Multi-Agent Self-Supervision) 기법을 제안했다. MASS는 같은 모델이 작업 수행자, 워크플로우 최적화자, 평가자 세 역할을 모두 하는 동형 재귀적 자기 개선(RSI) 방식이다. 내부 루프에서 모델이 다중 에이전트 팀의 업무 분담 방식을 최적화하고, 외부 루프에서 최적화된 워크플로우 실행으로부터 배운다. 전체 요약 12문장 읽기 → 010 21:11 ▲ 51 · 댓글 2 다중 에이전트 경로 탐색, 반복적 의도 정제로 충돌 해결 다중 에이전트 경로 탐색(MAPF)에서 에이전트들이 독립적으로 행동을 샘플링할 때, 각 에이전트의 선택은 타당해도 결합하면 충돌하는 문제가 발생한다. AI · 머신러닝 · Decentralized Master-Mind: Joint Action Refinement through Iterative Intent Denoising in Multi-Agent Pathfinding
Key Point 분산형 다중 에이전트 시스템에서 각 에이전트가 독립적으로 결정할 때 발생하는 조정 실패를 반복적 정제로 해결하는 새로운 방식으로, 경로 탐색 성능 한계를 크게 개선한다.
핵심 요약
다중 에이전트 경로 탐색(MAPF)에서 에이전트들이 독립적으로 행동을 샘플링할 때, 각 에이전트의 선택은 타당해도 결합하면 충돌하는 문제가 발생한다. DMM(Decentralized Master-Mind)은 일회성 샘플링 대신 확산 모델의 노이징 제거에서 영감을 얻은 반복적 의도 정제 방식을 제안한다. 에이전트들이 무작위 행동 의도로 시작해 통신을 통해 지역적으로 선택을 조정한 뒤 최종 결정을 내린다. 전체 요약 6문장 읽기 → 011 15:11 ▲ 31 · 댓글 2 드라마·영상물 자막을 에피소드 전체로 일관되게 번역하는 AI 시스템 장편 자막 번역은 전체 시리즈에 걸친 담화와 문화적 맥락을 고려해야 하지만, 기존 LLM은 문장 수준에만 머물고 다중 에이전트 시스템은 정적 워크플로우를 사용해 장면 복잡도에 적응하지 못한다. AI · 머신러닝 · Breaking Babel: A Self-Evolving Multi-Agent System for Long-Form Subtitle Translation
Key Point 장편 드라마나 영상물의 일관된 자막 번역이 필요한 스튜디오·OTT 플랫폼과 다국어 번역을 다루는 개발자들이 접할 수 있는 실용적 멀티에이전트 AI 시스템의 등장이자, 기존 문장 단위 번역의 한계를 시리즈 전체 맥락으로 극복하는 새로운 접근법이다.
핵심 요약
장편 자막 번역은 전체 시리즈에 걸친 담화와 문화적 맥락을 고려해야 하지만, 기존 LLM은 문장 수준에만 머물고 다중 에이전트 시스템은 정적 워크플로우를 사용해 장면 복잡도에 적응하지 못한다. SMART라는 자체 진화 다중 에이전트 시스템을 제안하며, 테스트 시점 학습 단계에서 시리즈 수준 메모리를 구축하고 동적 라우터와 Mixture-of-Agents 계층을 통해 용어 검증·자막 제약 검증·문맥 검색 도구를 활용한다. 판사-개선 루프를 거쳐 후보들을 채점하고 텍스트 비판을 통해 LLM을 재학습하지 않으면서 에이전트 프롬프트와 라우팅 정책을 업데이트한다. 전체 요약 7문장 읽기 → 012 21:11 ▲ 123 · 댓글 39 AI가 인간처럼 생각하게 하려면, 빠르고 느린 시스템을 함께 써야 한다 현대 AI는 이미지 분석, 자연어 처리 등 특정 영역에서 뛰어나지만, 인간의 일반적 지능에 비해 여전히 좁은 범위의 능력만 가지고 있다. AI · 머신러닝 · Thinking fast and slow in AI: The role of metacognition (2021)
Key Point 인간의 인지 구조를 AI에 적용하는 구체적인 아키텍처를 제시해 현재 좁은 AI의 한계를 어떻게 극복할 수 있을지 보여준다.
핵심 요약
현대 AI는 이미지 분석, 자연어 처리 등 특정 영역에서 뛰어나지만, 인간의 일반적 지능에 비해 여전히 좁은 범위의 능력만 가지고 있다. 인간의 사고 메커니즘을 더 잘 이해하면 AI에 더 폭넓은 능력을 부여할 수 있다고 논문은 주장한다. 카네만의 '빠르고 느린 생각' 이론을 바탕으로, 연구팀은 두 종류의 에이전트로 구성된 다중 에이전트 AI 아키텍처를 제시했다. 전체 요약 5문장 읽기 → 013 00:11 당일 +517 Claude와 Codex를 함께 관리하는 멀티에이전트 시스템 OpenRig OpenRig는 YAML로 정의된 에이전트 팀 토폴로지를 `rig up` 하나의 명령으로 부팅하는 오픈소스 다중에이전트 하네스로, Claude Code와 Codex를 동일 시스템으로 통합 관리한다. AI · 머신러닝 · mvschwarz/openrig · TypeScript
Key Point Claude Code와 Codex 같은 여러 에이전트를 한 팀으로 조율해야 하는 개발자·AI 운영자에게, 터미널 창 폭증 없이 YAML 선언과 CLI 명령으로 멀티에이전트 시스템을 구축·관리할 수 있는 구체적 도구를 제공한다.
핵심 요약
OpenRig는 YAML로 정의된 에이전트 팀 토폴로지를 `rig up` 하나의 명령으로 부팅하는 오픈소스 다중에이전트 하네스로, Claude Code와 Codex를 동일 시스템으로 통합 관리한다. tmux 세션을 기반으로 로컬 데몬·CLI·터미널 UI·MCP 서버로 구성되며, 에이전트들이 각자 터미널 세션에서 독립 실행되면서도 팀 협조를 중앙에서 조율한다. RigSpec 정의로 pods·edges·지속성 정책을 선언하고, Seat(역할 기반 주소)와 Pod(공유 지침과 컨텍스트)를 통해 에이전트 간 안정적 관계를 유지한다. 전체 요약 12문장 읽기 →