[논문리뷰] AOrchestra: Automating Sub-Agent Creation for Agentic Orchestration

링크: 논문 PDF로 바로 열기

저자: Zhaoyang Yu, Fashen Ren, Yiran Peng, Zhihao Xu, Jianhao Ruan

핵심 연구 목표

본 논문은 복잡하고 장기적인 AI 태스크를 해결하기 위한 에이전트 시스템에서 동적인 서브 에이전트 생성 및 관리의 한계 를 극복하고자 합니다. 기존 서브 에이전트 접근 방식이 유연성이 부족하고 많은 수작업 엔지니어링을 요구하는 문제를 해결하여, 적응력 높은 온디맨드 특화 서브 에이전트 생성 프레임워크 를 제안하는 것이 목표입니다.

핵심 방법론

제안하는 AORCHESTRA 는 모든 에이전트를 (Instruction, Context, Tools, Model)이라는 통합 4-튜플 추상화 로 모델링하여 서브 에이전트의 동적 생성을 가능하게 합니다. 중앙 오케스트레이터는 각 단계에서 이 4-튜플을 구체화하여, 태스크 관련 컨텍스트를 선별 하고, 도구와 모델을 동적으로 선택 하며, 온디맨드 서브 에이전트 생성 을 통해 실행을 위임합니다. 오케스트레이터 정책 학습을 위해 지도 미세 조정(SFT) 과 인컨텍스트 학습(ICL) 기반의 비용 인식 라우팅 기법을 활용합니다.

주요 결과

AORCHESTRA 는 Gemini-3-Flash 와 결합 시 GAIA, Terminal-Bench 2.0, SWE-Bench-Verified 벤치마크에서 기존 최강 베이스라인 대비 16.28%의 상대적 성능 향상 을 달성했습니다. 특히 GAIA 에서는 80.00%의 pass@1 을 기록하여 OpenHands 대비 13.94%의 절대적 개선 을 보였습니다. 또한, SFT 는 GAIA pass@1을 11.51% 향상 시켰고, ICL 은 GAIA pass@1을 3.03% 향상 시키면서 평균 비용을 18.5% 절감 하여 우수한 비용-성능 파레토 효율성을 입증했습니다.

AI 실무자를 위한 시사점

AORCHESTRA 는 복잡한 AI 태스크를 위한 강력하고 유연한 에이전트 시스템 구축 가능성을 제시하며, 수동 엔지니어링 노력을 크게 줄일 수 있습니다. 동적 서브 에이전트 생성 및 컨텍스트 관리 는 에이전트가 개방형 환경에서 높은 적응력과 효율성으로 작동하도록 돕습니다. 또한, 오케스트레이션 정책을 학습 하는 능력은 실환경 배포에서 지속적인 성능 개선 및 비용 효율적인 의사 결정 을 가능하게 합니다.

⚠️ 알림: 이 리뷰는 AI로 작성되었습니다.