Apple 연구에 따르면 최소 에이전트가 다중 에이전트 ML 엔지니어링 시스템과 일치하거나 능가하는 것으로 나타났습니다.

본문

Apple 연구진은 Malena라는 단일 코딩 에이전트가 MLE 벤치에서 복잡한 다중 에이전트 시스템을 제치고 62.5%의 메달 비율을 달성한 것을 발견했습니다. Apple 공식 로고(공개 도메인, Wikimedia Commons) - CryptoBriefing 브랜드 처리 Apple 연구원들은 셸 액세스 권한이 있는 단일 코딩 에이전트가 자율적 ML 작업에서 정교한 다중 에이전트 하네스와 일치하거나 이겼다고 보고합니다. AI 업계는 계획, 위임, 비평 및 조정하는 에이전트로 구성된 팀을 구축하는 데 많은 에너지를 소비했습니다. 새로운 Apple 연구에 따르면 해당 기계의 대부분은 많은 작업을 수행하지 않을 수 있습니다.

Apple Machine Learning Research의 연구원들은 기본 셸 액세스가 제공되는 하나의 잘 프롬프트된 코딩 에이전트가 자동화된 기계 학습 엔지니어링 작업에서 여러 복잡한 다중 에이전트 시스템과 일치하거나 더 나은 성능을 발휘한다는 사실을 발견했습니다. 논문 제목은 "강력한 에이전트가 자율 ML 엔지니어링을 위해 얼마나 많은 하네스를 필요로 하는가?"입니다. 이는 2026년 9월 30일 arXiv에 제출되었으며 2026년 10월 초에 주목을 받았습니다. 연구원들은 Malena를 MLEvolve, AiScientist, Arbor 및 ScienceFlow라는 4가지 정교한 시스템과 비교했습니다. 에이전트가 머신러닝 엔지니어링 작업을 얼마나 잘 처리하는지 측정하기 위해 구축된 벤치마크인 MLE-bench에서 Malena는 62.5%의 모든 메달 획득률을 기록했습니다.

연구에 따르면 에이전트가 해당 환경에 직접 액세스할 수 있게 되면 다중 에이전트 조정 또는 추가 자율성 메커니즘을 추가해도 테스트된 아키텍처 전반에 걸쳐 큰 이점이 발생하지 않았습니다. 2026년 7월의 별도 연구에 따르면 자체 구성 다중 에이전트 LLM 팀은 ML 벤치마크에서 최고의 개별 전문 에이전트의 성과를 거의 41.1%만큼 저조한 것으로 나타났습니다. MLE-bench와 NatureBench는 특정 종류의 ML 엔지니어링 작업을 측정합니다. Apple의 조사 결과에 따르면 AI 시스템을 단순화하면 효율성이 향상되어 복잡한 다중 에이전트 프레임워크의 필요성이 해소될 수 있습니다. Apple의 포스트 연구에서는 최소 에이전트가 다중 에이전트 ML 엔지니어링 시스템과 일치하거나 이를 능가한다는 사실이 Crypto Briefing에 처음 등장한 것으로 나타났습니다.