OneManCompany(OMC) — 멀티에이전트 시스템을 '조직 레벨'로 추상화하는 프레임워크. 개별 에이전트 능력을 portable Talent로 캡슐화하고 typed organizational interface로 backend 추상화. community-driven Talent Market에서 on-demand 채용·실시간 재구성. Explore-Execute-Review(E²R) 트리 검색이 plan/execute/eval을 단일 hierarchical 루프로 통합 — 종료·deadlock-free 보장. PRDBench에서 84.67% 성공률, SOTA 대비 +15.48pp. fixed team·tightly coupled coordination·session-bound learning이라는 기존 한계 극복. self-organising AI organization으로 진화.
- •멀티에이전트를 '조직 레벨'로 추상화 — Talent(skills+tools+config 캡슐) + Talent Market 채용 메커니즘.
- •Explore-Execute-Review(E²R) 트리 검색이 plan/execute/eval을 단일 hierarchical 루프로 통합.
- •termination·deadlock freedom 형식 보장 + 인간 기업 피드백 메커니즘 모방.
- •PRDBench 84.67% 성공률 — SOTA 대비 +15.48pp 향상.
- •Static pipeline에서 self-organising·self-improving AI 조직으로의 패러다임 전환.
0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
From Skills to Talent: Organising Heterogeneous Agents as a Real-World Company
- 1.멀티에이전트 시스템을 조직 수준으로 격상하는 OneManCompany(OMC) 프레임워크 제안
- 2.스킬·도구·런타임 설정을 포함한 이식 가능한 에이전트 정체 'Talent' 및 Talent Market 도입
- 3.E²R(탐색-실행-검토) 트리 탐색으로 계획·실행·평가를 통합한 계층적 루프 구현
- 4.PRDBench에서 84.67% 성공률으로 기존 SOTA 대비 15.48%p 향상
왜 중요한가?
고정된 팀 구조의 한계를 넘어 역량 격차를 동적으로 메우는 자기 조직화 AI 조직 개념은 실제 기업 워크플로우 자동화에 새로운 설계 패러다임을 제시한다.
언급 프로젝트
본문 미리보기
arXiv:2604.22446v1 Announce Type: new Abstract: Individual agent capabilities have advanced rapidly through modular skills and tool integrations, yet multi-agent systems remain constrained by fixed team structures, tightly coupled coordination logic, and session-bound learning. We argue that this reflects a deeper absence: a principled organisational layer that governs how a workforce of agents is assembled, governed, and improved over time, decoupled from what individual agents know. To fill t
전체 내용이 궁금하다면?
원문을 직접 읽어보세요
이 글이 만들어진 과정
- 13:45AI 초안
