재귀적 멀티 에이전트 프레임워크 RecursiveMAS — 9개 벤치마크 평균 정확도 8.3% 향상

Stanford 팀이 멀티 에이전트 시스템에 재귀적 확장 원칙을 도입한 RecursiveMAS를 발표했습니다. 에이전트 간 협력 루프를 잠재 공간 재귀 계산으로 통합하는 RecursiveLink 모듈과 내부-외부 루프 학습 알고리즘을 통해, 기존 텍스트 기반 MAS 대비 1.2~2.4배 추론 속도 향상과 34.6~75.6% 토큰 사용량 감소를 달성했습니다. 수학, 과학, 의학, 검색, 코드 생성 등 9개 벤치마크에서 평균 정확도가 8.3% 개선되었으나, 재귀 훈련의 계산 비용과 그래디언트 안정성 유지가 실용화의 관건입니다.

• #multi-agent
• #recursive
• #stanford
• #collaboration
• #latent-space