#AFlow

2개의 포스트

2026.10.20

[특집] 워크플로를 버리지 말고 저금하라 — FlowBank, 문제마다 맞는 에이전트 워크플로를 '미리 만들어 골라 쓰는' 법

에이전트 워크플로를 자동으로 설계하는 방법은 지금까지 두 갈래였다. 오프라인에서 수십 개를 찾아 1등 하나만 배포하는 '과제 수준' 방식과, 질문이 올 때마다 새 워크플로를 즉석에서 짜는 '질의 수준' 방식이다. 메릴랜드대·아마존 연구진의 FlowBank(arXiv 2606.11290)는 둘 다 낭비가 있다고 지적한다. 버려진 후보들이 1등이 못 푼 문제를 풀고, 비싼 즉석 설계가 푸는 문제의 상당수는 미리 만든 싼 워크플로로도 풀린다. 그래서 '서로 다른 문제를 푸는' 워크플로 몇 개를 은행처럼 저금해 두고 문제마다 골라 보내자는 것이다. 이 글은 공식 저장소의 실제 데이터(MATH 후보 31개 × 119문제, 벤치마크별 테스트 예측 파일)를 직접 다시 계산하며 DiverseFlow·CuraFlow·그래프 매칭 세 단계를 풀어 보고, 1976년 '알고리즘 선택 문제'와 1997년 '알고리즘 포트폴리오', SAT 대회를 휩쓴 SATzilla에서 2025년 GPT-5 라우터까지 이어지는 계보 속에 이 논문을 놓는다. 또 표 1 수치가 저장소와 정확히 맞는다는 것, 그러나 선택기 체크포인트가 검증 세트 없이 테스트 점수로 골라졌다는 것까지 확인했다. 인터랙티브 6개와 일러스트 12장, 논문 그림 8장으로 2026년 '스킬'의 시대에 이 생각이 어떤 의미인지 정리한다.

코어닷투데이117분

[특집] 한 번 최적화, 매번 빠르게 — 멀티에이전트 AI의 '가장 긴 줄'을 깎는 LAWA 논문 완전 해설

AI 기술멀티에이전트에이전트 워크플로

2026.10.20

[특집] 한 번 최적화, 매번 빠르게 — 멀티에이전트 AI의 '가장 긴 줄'을 깎는 LAWA 논문 완전 해설

에이전트 여러 명이 줄지어 일하는 AI 시스템은 똑똑하지만 느리다. 고객센터·장애 대응처럼 같은 종류의 질문이 하루 수만 번 되풀이되는 곳에서는 질의마다 몇 초씩 늘어난 지연이 그대로 쌓인다. 다트머스 연구진의 NeurIPS 2026 논문 「한 번 최적화, 매번 빠르게(LAWA)」는 멀티에이전트 워크플로를 방향 그래프로 보고, 전체 소요 시간을 결정하는 '가장 긴 줄(임계 경로)'을 병렬 재배선과 노드 제거라는 두 가지 안전한 편집으로 깎는다. 정확도는 실행 없이 점수를 예측하는 그래프 신경망이 지킨다. 이 글은 1957년 듀폰의 임계 경로법과 그레이엄의 스케줄링 역설에서 출발해 GPTSwarm·AFlow·DyLAN으로 이어진 에이전트 구조 학습의 계보, 논문의 세 정리와 알고리즘, 7개 벤치마크 결과와 그 한계, 그리고 2026년 AI 상담·장애 대응 현장에서 이 생각이 갖는 의미를 인터랙티브 6개와 일러스트 14장으로 풀어 본다.

코어닷투데이106분