[논문리뷰] CERA-MoA: Co-Evolving Routing Mechanisms with Continually Learning LLM Agents본 논문은 기존 Mixture-of-Agents (MoA) 패러다임이 쿼리 라우팅과 에이전트 파인튜닝을 별개의 과정으로 취급하여 발생하는 일반화 및 전문화 병목 현상을 해결하고자 합니다. 기존 연구들은 고정된 에이전트 역량을 전제로 라우팅을 최적화하거나, 미리 정해진 워크플로우 내에서만 에이전트를 학습시켜 왔습니다.#Review#Mixture-of-Agents#Reinforcement Learning#Query Routing#Continual Learning#Capability Specialization#Multi-Agent System2026년 9월 16일댓글 수 로딩 중
[논문리뷰] When Does Combining Language Models Help? A Co-Failure Ceiling on Routing, Voting, and Mixture-of-Agents Across 67 Frontier Models본 논문은 다양한 LLM 시스템(Routing, Voting, Mixture-of-Agents)의 정확도 향상 잠재력이 일반적으로 알려진 것보다 훨씬 낮다는 문제를 제기한다. 기존 실무에서는 모델 간의 오차 상관관계인 $\rho$를 지표로 활용하여, $\rho$가 낮으면 다양한 모델을 결합하는 것이 효과적이라 판단해왔다.#Review#LLM Orchestration#Model Routing#Co-failure Ceiling#Error Correlation#Mixture-of-Agents#Inference Economics2026년 6월 25일댓글 수 로딩 중