AI 에이전트 9개 환경서 협업 난항…공통 규칙은 일부 개선
제목 연관성·주요 수치·시장 영향·향후 전망을 기준으로 핵심 문장을 선별한 요약 브리핑입니다.
핵심 포인트
- 옥스퍼드대 연구진이 사전 조율 없이 만난 AI 에이전트를 9개 단순화 환경에서 시험했다.
- 공통 원칙을 적용하자 Grok 4.1 Fast는 6개, GPT-5.2는 5개 환경에서 협업 실패율이 낮아졌다.
- 사전 조율 없이 처음 만난 대형언어모델(LLM) 기반 AI 에이전트가 단순한 협력 과제에서도 규칙을 다르게 해석해 협업에 실패하는 사례가 확인됐다.
본문
옥스퍼드대 연구진이 사전 조율 없이 만난 AI 에이전트를 9개 단순화 환경에서 시험했다. 공통 원칙을 적용하자 Grok 4.1 Fast는 6개, GPT-5.2는 5개 환경에서 협업 실패율이 낮아졌다. 사전 조율 없이 처음 만난 대형언어모델(LLM) 기반 AI 에이전트가 단순한 협력 과제에서도 규칙을 다르게 해석해 협업에 실패하는 사례가 확인됐다. 공통 원칙을 주자 일부 환경의 실패율은 낮아졌지만 모든 과제에 통하는 해법은 아니었다. 옥스퍼드대(University of Oxford) 연구진은 11월 4일 공개한 논문 ‘Zero-Shot Coordination among LLM Agents’에서 에이전트의 ‘제로샷 조정(ZSC)’ 능력을 시험했다. ‘Cat & Dog’, ‘Tiny Hanabi’ 등 9개 단순화된 게임 환경에서 독립적으로 만들어진 에이전트들이 처음 짝을 이뤄 과제를 수행하도록 했다.
그런데도 일부 에이전트는 임의로 정한 불빛 규칙에 기대는 모습을 보였다.
연구진은 과제의 표현 방식과 상대 행동을 추론하는 능력이 협업 실패 양상에 함께 작용한다고 설명했다. 텍스트 에이전트 실험에서 CFD 적용 후 9개 환경 가운데 Grok 4.1 Fast는 6개, GPT-5.2는 5개 환경에서 협업 실패율이 낮아졌다. 자동 탐색한 정의는 학습에 쓰지 않은 일부 모델에서도 제한적인 개선을 보였지만, 모든 모델 조합에서 효과가 확인되지는 않았다. 본지는 앞서 45개 AI 에이전트 실험에서 작업에 따라 협업 결과가 달라진 사례 를 보도했다. 가상자산 거래소가 AI 에이전트에 주문 권한을 부여한 사례 도 있었지만, 이번 연구는 단순화된 게임 환경만 다뤄 실제 업무나 로봇 환경의 성능을 입증하지 않았으며 가상자산 거래나 블록체인 서비스의 에이전트 협업도 시험하지 않았다.