#AFlow

3개의 포스트

2026.11.14

[특집] 설계도를 찾는 기계 — Archon과 AFlow, LLM을 '어떻게 엮을지'를 사람 대신 탐색이 정하기 시작했을 때

2024년 가을, 3주 간격으로 두 논문이 같은 질문에 서로 다른 답을 냈다. LLM을 여러 번, 여러 개 불러 엮으면 성능이 오른다는 건 다들 안다. 그런데 무엇을 몇 번 부르고 어떤 순서로 엮을지는 누가 정하는가. 스탠퍼드의 Archon(arXiv 2409.15254, ICML 2025)은 구조를 '여섯 개의 다이얼'로 줄이고 신경망 구조 탐색에서 쓰던 베이즈 최적화로 9,576가지 조합을 뒤졌다. DeepWisdom·홍콩과기대(광저우)의 AFlow(arXiv 2410.10762, ICLR 2025 구두 발표)는 구조를 '파이썬 코드'로 두고 LLM이 한 번에 한 군데씩 고치게 하면서 그 시도들을 나무로 기억했다. 이 글은 두 논문을 부록까지 읽고, 왜 한 번만 묻지 않게 됐는지(1785년 콩도르세, 1907년 골턴의 소, 2022년 자기 일관성)에서 시작해 여섯 부품과 깔때기 구조, 9,576가지 공간과 기대 향상, 노드·오퍼레이터·엣지, 선택·확장·평가·역전파 네 단계를 차례로 푼다. 본문과 부록, 공개 코드 사이에 엇갈리는 숫자(비평가 11.5점 대 3.1점, 선택 확률의 α·λ 세 벌)도 짚었다. 그리고 2년이 지난 2026년 11월의 눈으로 다시 본다. 단순 다수결이 자동 설계를 이긴다는 반론, 같은 모델을 여러 번 부르는 편이 섞는 것보다 낫다는 Self-MoA, 모델 안으로 들어간 병렬 추론, 그럼에도 남은 것. 인터랙티브 6개, 일러스트 14장, 논문 그림 15장.

코어닷투데이127분

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

특집FlowBank에이전트 워크플로

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