SwarmSys: 확장성과 적응적 추론을 위한 탈중앙화된 군집 기반 에이전트

SwarmSys: Decentralized Swarm-Inspired Agents for Scalable and Adaptive Reasoning

October 11, 2025

저자: Ruohao Li, Hongjun Liu, Leyi Zhao, Zisu Li, Jiawei Li, Jiajun Jiang, Linning Xu, Chen Zhao, Mingming Fan, Chen Liang

cs.AI

초록

대형 언어 모델(LLM) 에이전트는 놀라운 추론 능력을 보여주고 있다. 그러나 기존의 다중 에이전트 프레임워크는 종종 고정된 역할이나 중앙 집중식 제어에 의존함으로써 장기적 추론에서의 확장성과 적응성을 제한한다. 본 연구에서는 군집 지능에서 영감을 받은 분산형 다중 에이전트 추론을 위한 폐루프 프레임워크인 SwarmSys를 소개한다. SwarmSys에서의 조정은 탐색자(Explorers), 작업자(Workers), 검증자(Validators)라는 세 가지 특화된 역할 간의 반복적 상호작용을 통해 발생하며, 이들은 탐색, 활용, 검증의 과정을 지속적으로 순환한다. 확장 가능하고 적응적인 협업을 가능하게 하기 위해, 적응형 에이전트 및 이벤트 프로파일, 임베딩 기반 확률적 매칭, 페로몬에서 영감을 받은 강화 메커니즘을 통합하여, 전역 감독 없이도 동적 작업 할당과 자기 조직화적 수렴을 지원한다. 기호 추론, 연구 종합, 과학적 프로그래밍 과제 전반에 걸쳐 SwarmSys는 기준선을 일관되게 능가하며 정확도와 추론 안정성을 모두 향상시켰다. 이러한 결과는 군집 지능에서 영감을 받은 조정이 확장 가능하고 견고하며 적응적인 다중 에이전트 추론을 위한 유망한 패러다임임을 강조하며, 조정의 확장이 LLM 지능을 발전시키는 데 있어 모델 확장에 필적할 수 있음을 시사한다.

English

Large language model (LLM) agents have shown remarkable reasoning abilities. However, existing multi-agent frameworks often rely on fixed roles or centralized control, limiting scalability and adaptability in long-horizon reasoning. We introduce SwarmSys, a closed-loop framework for distributed multi-agent reasoning inspired by swarm intelligence. Coordination in SwarmSys emerges through iterative interactions among three specialized roles, Explorers, Workers, and Validators, that continuously cycle through exploration, exploitation, and validation. To enable scalable and adaptive collaboration, we integrate adaptive agent and event profiles, embedding-based probabilistic matching, and a pheromone-inspired reinforcement mechanism, supporting dynamic task allocation and self-organizing convergence without global supervision. Across symbolic reasoning, research synthesis, and scientific programming tasks, SwarmSys consistently outperforms baselines, improving both accuracy and reasoning stability. These findings highlight swarm-inspired coordination as a promising paradigm for scalable, robust, and adaptive multi-agent reasoning, suggesting that coordination scaling may rival model scaling in advancing LLM intelligence.