EvoTeam은 이질적 과제에서 팀 조직과 상호작용 규칙을 함께 진화시킨다

무엇인가

이 논문은 LLM 기반 다중 에이전트 시스템(MAS)이 이질적인 과제를 계속 풀면서 협업 자체를 개선하는 문제를 다룬다. 기존 연구는 에이전트 개인의 프롬프트, 스킬, 실행 전략을 피드백으로 개선하거나 팀 조직과 상호작용을 진화시키려 했지만, 개인 능력 향상이 팀 협업 향상으로 이어지지 않는다. 특히 여러 과제를 섞어 진화시키면 공유 구조 안에서만 팀을 재편하고, 호환되지 않는 팀 맥락에 상호작용 규칙을 재사용해 성능이 떨어진다. 논문의 예비 실험에서 Meta-Team은 다른 벤치마크나 같은 벤치마크의 다른 과제에서 진화한 뒤 대상 과제 성능이 대상 전용 진화보다 낮았고, 세 지표 모두에서 그랬다.

어떻게 동작하나

EvoTeam은 협업 경험을 재사용 가능한 팀 단위로 저장하고 팀 조직, 팀별 상호작용 규칙, 개인 스킬을 함께 진화시킨다. 전역 에이전트 풀 A와 팀 라이브러리 T를 두고, 팀 T=<d_T,C_T>는 지원하는 협업 요구사항 설명 d_T와 후보 에이전트 명단 C_T로 정의한다. 첫 단계인 적응적 팀 구성에서는 현재 질의 q의 협업 요구를 기존 팀이 덮는지 LLM 팀 선택기 Φ_S로 확인해 팀을 고르고, 없으면 LLM Composer Φ_C가 임시 팀 T~q를 만든다. 선택된 팀의 후보 명단 안에서 의장 Φ_Chair가 기능 요구와 역할을 맞춰 실행 팀 E_q를 모집한다. 같은 팀을 재사용해도 과제마다 다른 부분집합을 뽑아 불필요한 참여와 토큰 사용을 줄인다.

무엇과 다른가

둘째 단계는 팀 범위 협업이다. 선택된 팀 T_q가 사용할 상호작용 규칙 집합 R_Tq를 결정하고, 모집된 에이전트는 자신의 누적 스킬 S_ai와 이 규칙을 문맥에 넣어 협업한다. 의장은 질의를 하위 과제 U_q로 나누고 각 하위 과제를 실행 팀 에이전트에 배정하는 계획 π_q:U_q→E_q를 세운다. 이 계획은 역할과 책임만 정하고 상호작용 상대나 규칙을 미리 고정하지 않는다. 실행 중에는 규칙이 소프트 가이던스로 주입되고, 에이전트가 현재 조정 필요에 맞는 규칙을 골라 정보 전달과 핸드오프에 사용한다. 의장은 진행을 모니터링하다 막히면 E_q 안에서 배정을 바꾸고, 개별 에이전트 추적 τ_ai와 핸드오프 추적 τ_t를 합친 복합 실행 추적 τ_c를 남긴다.

어떻게 쓰나

셋째 단계는 다층 경험 진화다. 팀 반영기 Ω_T는 질의와 복합 추적을 보고 후보 명단이 필요한 분업을 지원하는지 평가해 팀 T_q'를 갱신하고, 명단이 바뀌면 팀 설명도 고친다. 새 팀은 분업 지원과 재사용 가능한 협업 구조를 모두 갖출 때만 라이브러리에 입장한다. 규칙 반영기 Ω_R는 핸드오프 추적에서 누락 정보나 책임 불일치를 찾아 팀별 규칙 집합 R_Tq'를 만들거나 고치거나 삭제한다. 에이전트 반영기 Ω_A는 각 에이전트의 지역 추적에서 유용한 절차나 오류를 찾아 스킬 집합 S_ai'를 갱신한다. 규칙은 팀 안에 남고 스킬은 팀을 넘어 재사용된다는 점이 핵심이다.

전제와 한계

실험은 GAIA, LoCoBench, LOCA-Bench, BeyondSWE 네 벤치마크와 여섯 과제 범주에서 했다. 지표는 GAIA 정답 정확도, LOCA-Bench 최종 상태 성공, BeyondSWE 해결률(회귀 없이 필수 테스트 통과), LoCoBench 점수(기능 정확성과 소프트웨어 품질)를 0~100으로 맞췄다. 비교 대상은 ReAct식 SA, 비진화 MAS, OWL, AgentSquare, ReCreate, Meta-Team, Skill-MAS다. 기본 LLM은 GPT-5.6-Luna이고 avg@3로 세 번 롤아웃 평균을 냈다. 개별 벤치마크 진화에서 EvoTeam은 평균 58.85로 가장 높았고 여섯 지표 중 넷에서 앞섰다. Meta-Team 대비 우위는 GAIA, 두 LoCoBench 과제, BeyondSWE DepMig에서 나타났고 GAIA에서 78.00 대 73.00으로 5점 차였다. 혼합 벤치마크 진화에서는 여섯 지표 모두 1위, 평균 59.58로 Meta-Team보다 4.03점 높았고, EvoTeam의 평균은 개별 벤치마크 때보다 올랐지만 Meta-Team은 같은 비교에서 내려갔다.

백본 전이 실험에서는 DeepSeek-V4.1-Flash와 GPT-5.6-Luna를 진화용과 평가용으로 교차해 GAIA와 두 LoCoBench 과제를 봤다. EvoTeam은 여섯 구성 모두에서 진화하지 않은 MAS보다 좋았고, GAIA에서 다른 모델이 진화한 산출물로 GPT-5.6-Luna는 5.00점, DeepSeek-V4.1-Flash는 18.00점 이득을 봤다. 교차 백본 성능은 같은 백본 성능의 4.00점 이내였다. 절제 실험에서 팀은 유지하되 학습된 상호작용 규칙을 뺀 변형보다 전체 EvoTeam이 네 과제 모두에서 좋았고, GAIA와 LOCA에서 규칙이 각각 10.00점, 8.75점을 더했다. 규칙이 양쪽 모두 없을 때도 과제 조건 팀을 유지하면 모든 과제가 개선됐고, GAIA와 LOCA에서 각각 6.00점, 2.50점 이득이었다. 혼합 벤치마크 비용 비교에서 EvoTeam은 GAIA와 BeyondSWE DepMig 모두 Meta-Team과 ReCreate보다 과제당 비용이 낮으면서 점수는 가장 높았고, Skill-MAS는 비용은 낮지만 성능도 낮았다.

개발자에게 이 논문은 다중 에이전트 파이프라인을 하나의 고정된 팀 템플릿으로 운영하는 대신, 과제 요구에 따라 팀을 고르거나 새로 만들고, 상호작용 규칙을 팀 범위로 묶어 관리하는 설계가 실용적일 수 있음을 보여준다. 특히 웹 리서치, 코드 구현, 상태 기반 애플리케이션 조작, 저장소 유지보수처럼 협업 요구가 다른 작업을 한 시스템에서 섞어 돌릴 때, 개인 스킬은 공유하되 규칙은 호환되는 팀 안에서만 축적·갱신해야 한다는 시사점이 있다. 다만 실행 추적에 민감 정보가 남을 수 있으므로 경험 저장소와 규칙 재사용 전 검토, 접근 제어가 필요하다.

저자들이 밝힌 한계는 두 가지다. 평가가 멀티모달 상호작용 환경에서의 협업 진화를 체계적으로 다루지 않았고, 시각 관측 해석과 증거 전달, 환경 변화에 따른 행동 조정을 어떻게 추적·진화시킬지는 후속 과제로 남겼다. 또한 EvoTeam은 LLM 파라미터를 고정한 채 명시적 업데이트로 경험을 축적하므로, 저장된 가이드를 제대로 해석하고 적용하는 능력은 기반 모델에 달려 있다. 경험 재사용과 모델 적응을 결합해 자주 쓰는 협업 관행을 내재화하는 방향이 후속 과제로 제시된다.