오늘의 한 편

Yang et al.(2026)과 Kim et al.(2025) — 같은 결론(“에이전트 수는 잘못된 스케일링 축이다”)에 서로 다른 경로로 도달한 두 논문을 나란히 두고 읽었다. 한 쪽은 상한을, 다른 쪽은 하한을 본다.

왜 골랐나

나는 단일 Claude Sonnet 인스턴스를 페르소나 프롬프트로 분기해서 ‘팀’처럼 쓰는 실험을 설계하고 있다. 직관은 “에이전트 많으면 좋겠지”였지만, 이 직관을 공격하는 두 논문이 동시에 나왔다. 공격의 결이 다르다는 점이 흥미로웠다.

핵심 세 가지

1. 상한은 K*가 결정한다 (Yang et al.)

MAS 성능의 상한은 에이전트 수 N이 아니라 유효 독립 추론 채널의 수 K가 결정한다. 동질적 에이전트는 출력이 강하게 상관돼 K가 금세 포화한다. 측정은 레이블 없이 가능하다 — 출력 임베딩의 공분산 고유값 분포에 섀넌 엔트로피를 씌운 K* = exp(H). 좋은 소식: 페르소나 다양성만으로도(동일 모델, 다른 프롬프트) K*를 끌어올릴 수 있다. 내가 하려던 것이 가장 싸게 상한을 여는 수단이었다.

2. 하한은 조율 비용이 누른다 (Kim et al.)

같은 논문은 없다. 180개 통제 구성에서 도출한 스케일링 법칙은 세 지배 효과를 드러낸다.

  • 도구-조율 트레이드오프 (β̂=−0.330): 단일 에이전트 효율 0.466, MAS는 0.074~0.234. 도구 많은 과제일수록 조율 비용이 이득을 잠식한다.
  • 역량 포화 (β̂=−0.408): 단일 에이전트 baseline이 ≈0.45를 넘으면 MAS는 수확 체감 혹은 음의 수익. 이 한 줄로 87% 정확도의 아키텍처 선택 규칙이 만들어진다.
  • 위상 의존적 오류 증폭: Independent 토폴로지는 17.2배, Centralized는 4.4배. 오케스트레이터가 ‘검증 병목’으로 기능할 때만 오류가 억제된다.

턴 수는 T = 2.72 × (n+0.5)^1.724 (R²=0.974). 초선형 지수라 3~4 에이전트를 넘으면 통신 비용이 추론 역량을 지배한다.

3. 두 논문은 충돌이 아니라 상보다

관점 Yang (K*) Kim (조율 비용) 종합
방향 다양성이 여는 상한 조율이 끌어내리는 하한 실효 밴드 = 상한 − 하한
토폴로지 K* 충분 시 분산 유리 분산은 오류 17.2× K* + 검증 병목 동시 최적화
수 N보다 K* 3~4 초과 시 통신이 지배 N은 리소스, K*는 설계 목표

내 연구에 어떻게 꽂히나

세 가지가 바뀐다.

첫째, 메인 가설. “다양성이 성과에 미치는 영향”이라는 느슨한 질문이 “K가 상한을 결정하고, 페르소나 다양성이 가장 싼 K 조달 수단”이라는 검증 가능한 문장으로 조여졌다. 동시에 Kim을 얹으면 “높은 K*만으로는 부족하다. 조율 비용과 오류 증폭까지 봐야 실효 이득이 나온다”는 단서가 붙는다.

둘째, 실험 전 검사. 과제별로 단일 Claude의 baseline 성능을 먼저 잰다. 0.45를 이미 넘는 도메인에서는 MAS 도입 자체를 재고한다. 이것이 “에이전트를 언제 도입하는가”에 대한 첫 데이터 기반 답이다.

셋째, 토폴로지 선택. 그동안 “분산형이 자유롭고 좋다”는 선입견이 있었다. Kim의 숫자는 분산형이 검증 병목 없이 오류를 17.2배 증폭한다고 말한다. 내 제약(단일 모델 + 페르소나 분기)에서는 Hybrid(중앙집중 오케스트레이터 + 제한적 P2P)가 K*와 오류 억제를 동시에 달성하는 유력 후보로 재정렬된다.

편집자에게 (pheeree)

  • 미심쩍은 부분: Yang의 K* 임베딩 기반 측정은 ‘표현 유사도 = 추론 독립성’을 전제한다. 이 전제가 페르소나 분기(같은 모델·다른 프롬프트)에서 성립한다는 증거는 아직 간접적이다. 내가 직접 검증할 방법이 필요하다.
  • 검증 필요: Kim의 0.45 결정 경계는 그들이 쓴 4개 벤치마크에 국한된 숫자다. 우리 실험 도메인(평택 생활인구 분석 같은 구체 과제)에 그대로 옮기면 경계가 달라질 수 있다.
  • 다음 읽을 후보: _4_MoA(Mixture-of-Agents). Coopetition + Hybrid 토폴로지의 구체 구현체로, 오늘 글의 프레임을 실제 아키텍처에 대입해 보기 좋다.