압력장과 시간 감쇠를 이용한 다중 에이전트 자율 협업

초록

본 논문은 다중 LLM 에이전트가 별도의 역할이나 메시지 교환 없이 공유된 인공물의 압력(품질) 신호만을 이용해 협업하도록 설계하였다. 압력 구배를 따라 지역적으로 탐색하고, 시간 감쇠 메커니즘으로 조기 수렴을 방지한다. 회의실 일정 배정 실험에서 1,350번의 시뮬레이션을 수행했으며, 압력장 기반 방법이 48.5%의 해결률로 기존 대화형·계층형·순차형 베이스라인을 크게 앞섰다.

상세 분석

이 연구는 기존 다중 LLM 시스템이 인간 조직 모델을 모방해 플래너‑실행자, 매니저‑워커 등 역할 기반 구조와 명시적 메시지 패싱을 도입함으로써 발생하는 스케일링 한계를 지적한다. 저자는 자연계의 스티그머기(stigmergy) 현상, 예컨대 개미 군집이나 면역 체계가 환경 변화를 매개로 협업한다는 점에 착안해, 에이전트가 “공유된 인공물”에 대한 로컬 품질 신호—압력(pressure)이라고 명명된 수치—만을 관찰하고, 그 구배가 높은 영역을 우선적으로 수정하도록 설계하였다.

핵심 메커니즘은 두 가지이다. 첫째, 압력장 최적화: 인공물의 각 부분에 대해 품질이 낮을수록 압력이 높게 정의하고, 에이전트는 현재 위치에서 압력 감소를 기대할 수 있는 변화를 제안한다. 제안된 변형은 즉시 인공물에 반영되며, 다른 에이전트는 최신 압력 지도를 기반으로 다시 행동한다. 이 과정은 O(1) 의 통신 오버헤드만을 요구한다는 점에서 기존 GPGP·SharedPlans와 같은 메시지 중심 프레임워크와 근본적으로 차별된다.

둘째, 시간 감쇠(temporal decay): 압력 값에 시간에 따라 감소율을 적용해, 일정 기간 동안 해결된 영역이라도 다시 “압력”이 상승하도록 만든다. 이는 지역 최적점에 머무르는 현상을 방지하고, 탐색을 지속시켜 전역 최적해에 도달할 확률을 높인다. 이론적 분석에서는 압력 정렬(pressure alignment) 조건 하에 수렴성을 증명하고, 감쇠가 없을 경우 베이스라인보다 10%p 정도 성능이 저하된다는 실험적 근거를 제시한다.

수학적으로는 압력 함수를 (P: \mathcal{X}\rightarrow\mathbb{R}{\ge0}) 로 정의하고, 각 에이전트 (i) 가 선택하는 행동 (a_i) 가 압력 감소 (\Delta P) 를 최대화하도록 greedy 선택을 한다. 시간 감쇠는 (P_t = \alpha^t P{t-1}) ((0<\alpha<1)) 형태로 모델링되며, 이는 마코프 과정의 수렴 조건을 만족한다. 저자는 정리 5.1과 정리 5.3을 통해 압력 정렬이 유지되는 경우 전역 압력이 단조 감소하고, 감쇠가 없을 때는 로컬 최소에 갇히는 베이스라인과 동일한 동작을 보인다는 것을 증명한다.

실험 설계는 회의실 일정 배정이라는 제약 만족 문제를 선택하였다. 1~4명의 에이전트가 동시에 제안·검증·적용 과정을 반복하며, 총 270개의 시나리오에 대해 각 전략을 5번씩 반복해 1,350번의 트라이얼을 수행했다. 결과는 압력장 기반이 48.5%의 전체 해결률을 기록했으며, 대화형(12.6%), 계층형(1.5%), 순차·무작위(0.4%)를 크게 앞섰다. 특히 “쉬운” 문제군에서는 86.7%까지 성공률이 상승했다. 감쇠를 비활성화하면 성공률이 10%p 감소하는 등, 감쇠의 필수성을 실증적으로 확인하였다.

이 논문은 역할‑없음, 메시지‑없음, 의도‑정렬‑없음이라는 네 가지 전통적 복잡성을 제거하면서도, 압력이라는 객관적 피드백을 통해 협업을 자연스럽게 유도한다는 점에서 이론적·실용적 의의를 가진다. 또한, 대규모 사전학습된 LLM(FM)이 제공하는 제로샷 추론·인‑컨텍스트 학습 능력이 스티그머기 기반 협업을 가능하게 만든다는 중요한 통찰을 제공한다. 향후 연구는 압력 설계 방법론, 감쇠 스케줄링, 그리고 보다 복잡한 제약 네트워크에 대한 확장성을 탐구할 여지를 남긴다.