멀티에이전트 AI 시스템은 에이전트를 여러 개 생성해 보고서를 종합함으로써 추론을 개선하지만, 다른 에이전트가 곧 다른 관찰을 의미하지는 않는다. 겉보기에 독립적인 보고서가 같은 증거에서 파생됐거나, 진짜 독립적인 증거가 거의 동일한 보고서를 낳을 수 있다. 연구진은 이를 '인식론적 시빌 문제'로 공식화했다. 보고서만으로는 어떤 집계기도 복제와 독립적 확증을 일반적으로 구분할 수 없으며, 공유된 기반 모델이 독립 에이전트 간 상관된 추출 오류를 유발할 경우 정보 상한이 더 낮아진다. 2만 건 이상의 통제된 LLM 에이전트 실험에서, 증거 근원을 고정한 채 보고서 수를 1에서 32로 늘리면 순진한 사후확률 커버리지가 0.940에서 0.263으로 붕괴했지만, 증거 근원 수를 1에서 16으로 늘리면 격차가 해소돼 k=16에서는 통계적으로 구분 불가능해졌다. 집단 추론은 에이전트나 보고서의 수·유사성이 아니라 증거의 계보와 의존성을 추적해야 한다는 결론이다.

• •멀티에이전트 AI에서 보고서 복제와 독립적 확증을 구분하지 못하는 '인식론적 시빌 문제'를 공식화
• •2만 건 이상 통제 실험에서 증거 근원 고정 시 보고서 수 증가만으로 사후확률 커버리지가 0.940→0.263으로 붕괴
• •증거 근원 수를 1→16으로 늘리면 격차 해소, k=16에서 집계기 성능이 통계적으로 구분 불가
• •공유 기반 모델이 유발하는 상관된 추출 오류(감마=0.719)가 정보 상한을 추가로 낮춤
• •집단 추론은 에이전트·보고서 수나 유사성이 아니라 증거의 계보와 의존성을 추적해야 한다는 결론