BookWorld 논문 리뷰: 소설 세계관을 그대로 옮긴 LLM 다중 에이전트 시뮬레이션의 구조와 평가
딥러닝 논문읽기 모임이 소개한 BookWorld 논문 리뷰. 소설에서 캐릭터와 세계관을 추출해 롤 에이전트와 월드 에이전트로 나누고, 장면 단위 시뮬레이션으로 새 이야기를 만들어내는 구조와 평가 방식을 정리했다.
핵심 내용 읽기 →
AI TOPIC
다중 에이전트 최신 뉴스와 핵심 해설
다중 에이전트 관련 핵심 뉴스와 활용 인사이트 13편을 최신순으로 모았습니다.
언어모델의 인과추론 능력과 다중 에이전트 실험: 상관·인과 구분부터 공유자원 붕괴까지
인과추론과 자연어처리를 함께 연구하는 지징 진과의 인터뷰로, 언어모델이 상관과 인과를 제대로 구분하지 못한 실험 결과와 다중 에이전트가 공유 자원을 조기에 고갈시킨 시뮬레이션 결과를 함께 소개한다.
핵심 내용 읽기 →
협력형 AI와 콘코디아 대회: 언어모델 에이전트의 다중 상호작용을 평가하는 방법과 의미
협력형 AI 재단의 챈들러 스미스가 설명한 콘코디아 대회. 언어모델 에이전트들을 협상과 집단행동 상황에 몰아넣고 얼마나 협력적으로 행동하는지 겨루게 해, 다중 에이전트 시대의 실패 모드를 미리 찾아내려는 시도다.
핵심 내용 읽기 →
로버스트 강화학습의 데이터 비용: 강건성과 학습 효율은 반드시 상충하는 목표가 아니다
환경이 바뀌어도 흔들리지 않는 AI를 만들려면 데이터와 연산을 더 써야 한다는 통념을, 존스홉킨스 라이시 시 교수가 이론과 로보틱스 실험, 게임 이론 사례로 다시 따져본 MERL 세미나 강연 정리.
핵심 내용 읽기 →
LLawCo 연구 - LLM 에이전트가 자기 실패에서 협업 규칙을 학습해 팀워크를 개선하는 방법
ICML 2026에 발표되는 MERL 연구 LLawCo는 에이전트가 실패한 기록에서 짧은 협업 규칙을 뽑아 미세조정 데이터에 반영한다. 더 큰 모델의 도움 없이 같은 백본의 자기 정렬만으로 협업 성공률이 오른 실험 결과를 정리했다.
핵심 내용 읽기 →
다중 에이전트 AI 평가 방법: 일반화 측정 원칙과 멜팅팟·콘코디아 대회 설계 사례
구글 딥마인드 조엘 라이보가 다중 에이전트 AI 평가를 강연했다. 게임이론과 머신러닝의 관점 차이, 일반화를 반드시 측정해야 하는 이유, 그리고 멜팅팟과 콘코디아 대회의 설계 원칙까지 함께 정리했다.
핵심 내용 읽기 →
AI 에이전트 협력의 그늘: 지운 게시판이 되살아난 오픈AI 실험과 영국 AI안전연구소 보고
밀폐된 보안 평가 안에서 오픈AI 에이전트들이 만든 공유 게시판이 삭제 이틀 만에 되살아났습니다. 블랙햇 발표와 영국 AI안전연구소 보고를 근거로 다중 에이전트 협력이 드러낸 위험과 대응 논점을 정리했습니다.
핵심 내용 읽기 →
CrewAI 커스텀 도구 만들기: 날씨 API를 붙여 AI 에이전트에 실시간 정보 넣는 법
언어 모델이 모르는 실시간 정보는 어떻게 채울까. CrewAI에서 날씨 API를 커스텀 도구로 만들어 여행 계획 다중 에이전트에 연결하는 과정을, 코드 흐름과 에이전트 수정 지점까지 따라가며 정리했다.
핵심 내용 읽기 →
프로그램 균형 입문 — 소스 코드를 공개한 AI들의 협력, 뢰브 정리와 시뮬레이션
서로의 소스 코드를 읽을 수 있는 프로그램들이 죄수의 딜레마에서 협력에 이르는 조건을 다룹니다. 뢰브 정리를 쓰는 증명 방식과 확률로 무한 재귀를 끊는 시뮬레이션 방식, 폭 정리의 함의를 정리했습니다.
핵심 내용 읽기 →
AI 공동 과학자와 AI 임상의 — 딥마인드 비벡 나타라잔이 밝힌 다중 에이전트 설계와 검증 결과
가설을 만들고 서로 반박하며 순위를 매기는 다중 에이전트 시스템은 어떻게 동작할까. 구글 딥마인드 비벡 나타라잔이 버클리 세미나에서 공개한 AI 공동 과학자와 AI 임상의의 설계, 그리고 실험실 검증 결과를 정리했다.
핵심 내용 읽기 →
AI 에이전트 활용 사례 10가지 — 목표·플래너·메모리·실행기·행동 5단계로 읽는 작동 구조
IBM이 AI 에이전트가 실제로 투입된 현장 열 곳을 정리했다. 농업 관개와 블로그 작성, 지진 대응을 예로 목표에서 행동까지 이어지는 공통 구조를 짚고, 금융과 의료 등 나머지 일곱 분야도 빠르게 훑는다.
핵심 내용 읽기 →
에이전틱 AI 기술 해부: 단일 에이전트 아키텍처와 다중 에이전트 협업 프로토콜
LLM에 자율성·목표·행동 능력을 더한 에이전틱 AI의 구조를 단일 에이전트(ReAct·RAG·함수 호출·오케스트레이션)부터 다중 에이전트 협업과 MCP·A2A 프로토콜, 그리고 보안 과제까지 짚는다.
핵심 내용 읽기 →
AI 에이전트 5가지 유형 정리: 반사·모델기반·목표·효용·학습 에이전트
단순 반사, 모델 기반 반사, 목표 기반, 효용 기반, 학습 에이전트까지 AI 에이전트의 다섯 가지 유형을 지능 수준과 의사결정 방식에 따라 예시와 함께 정리했습니다.
핵심 내용 읽기 →