코에볼루션 챔버: TEST-TIME 멀티 에이전트 시스템의 개인, 팀, 인구 규모에서의 동시 진화

멀티 에이전트 테스트 시간 진화는 단일 에이전트 진화의 N번 반복이 아니다. 단일 에이전트 학습자는 자신의 컨텍스트와 메모리만 진화할 수 있다. 멀티 에이전트 시스템은 누가 협력하고, 어떻게 협력하고, 인구에 걸쳐 지식이 흐르는지까지 진화한다. 이러한 구성 요소는 단일 에이전트에 해당하는 것이 없고, 협력의 가치가 있는 수평적 지식 전달을 제거하는 테스트 시간 메서드의 한계를 극복한다.

CODREAM: 협력적 꿈

CODREAM(Collaborative Dreaming)은 POST-TASK 프로토콜로, 팀이 실패하거나 의견이 달라질 때, 에이전트들이 협력하여 반영하고, 통찰력을 경쟁적으로 강한 에이전트에게 전달한다. 이는 협력의 가치를 보존하는 동시에 지식의 미흡한 부분을 채운다.

팀 수준 연산자

팀 수준 연산자는 조건에 따라 팀을 조합하고, 협력 구조를 온라인에서 선택한다.

인구 수준 라이프 사이클 연산자

인구 수준 라이프 사이클 연산자는 성능 압박하에 에이전트를 분기, 병합, 제거, 심은다.

결과

EVOCHAMBER는 Qwen3-8B에서 3개의 다중 태스크 스트림에 대해 63.9%의 경쟁 수학, 75.7%의 코드, 87.1%의 다중 도메인 사유를 달성한다. 이는 이전 최선의 기준선보다 32%의 상대적인 성능 향상을 보인다. 또한, 동일하게 초기화된 에이전트로부터 4-5개의 안정적인 조직 특화 에이전트가 자발적으로 발생한다. 이는 멀티 에이전트 진화의 구조적 기호로, 단일 에이전트 학습자가 표현할 수 없는 것이다.