연구진은 2026년 10월 6일, 질문마다 적합한 AI 에이전트 조합을 자동으로 만드는 시스템 SHIFT를 소개한 논문을 공개했다. SHIFT는 실행 중 여러 구성을 시험하는 대신, 소형 언어 모델을 학습시켜 가장 효과적인 설계를 예측한 뒤 몬테카를로 트리 탐색으로 에이전트들을 구성한다. 이 방식은 수학 문제부터 문서 처리, 일반 비서 작업까지 6개 벤치마크의 9,193개 과제를 대상으로 평가됐다.
SHIFT의 성능은 어떨까?
실행 엔진으로 Gemini 3.5 Flash 모델을 사용했을 때 SHIFT의 평균 정확도는 약 80%로, 기본 프롬프팅과 프롬프트 최적화 기법, 다른 워크플로 탐색 방법 등 경쟁 방식 17개를 앞섰다. 가장 성능이 좋은 경쟁 방식보다 7.2%포인트 높았다. 비용을 낮춘 SHIFT 구성도 기준 방식 전체보다 높은 성능을 보였으며, 토큰 사용량은 32% 적어 연산 부담이 줄었다.
통합 설계가 중요한 이유
저자들은 에이전트 간 통신 구조와 지침, 도구를 함께 선택하는 것이 이 가운데 어느 한 요소만 고르는 것보다 효과적이라는 점을 보였다. 세 요소를 함께 선택하면 지침이나 도구만 사용하는 경우보다 성능이 최대 9.1%포인트 향상됐다. 학습된 가치 함수는 후보군에서 정확도는 높고 비용은 낮은 하네스를 선택하는 데도 도움을 줬다.
왜 중요한가
AI 비서를 개발하는 이들에게 SHIFT는 새로운 요청이 들어올 때마다 에이전트 구성을 직접 설계하지 않고도 성능을 높일 수 있는 가능성을 제시한다. 연산 비용도 줄여 클라우드 비용을 낮추고, 더 정교한 다중 에이전트 서비스를 최종 사용자에게 더 저렴하게 제공할 수 있다.
