Agon: 프롬프트 경제 기반의 자율적이고 대규모의 다학제 연구 시스템

Agon: An Autonomous Large-Scale Omnidisciplinary Research System Built on Prompt Economy

대규모 언어 모델은 연구 생산성을 향상시켜 연구 과정에서의 병목 지점을 결과물 생성에서 주장의 검증으로 전환시키고 있습니다. 본 논문에서는 extsc{Agon}이라는 연구 오케스트레이터를 소개합니다. extsc{Agon}은 워크플로우 내에서 검증 가능한 부분을 자동으로 처리하고, 나머지 판단은 인간 과학자에게 맡기는 시스템입니다. extsc{Agon}은 '프롬프트 경제', '미래 지향성', '최소한의 프롬프트 사용', '다학제적 접근', '대규모 병렬 처리', 그리고 '코드 불필요'라는 여섯 가지 설계 원칙을 기반으로 구축되었습니다. 우리는 extsc{Agon}을 다양한 분야에서 444번의 프롬프트 경제 루프를 실행하면서, 작은 초기 주제와 인간이 작성한 실험 코드를 전혀 사용하지 않았습니다. 이러한 결과는 확장성을 입증하는 동시에 새로운 유형의 오류를 드러냅니다. 우리는 이러한 오류들을 심각성, 수정 가능성, 가시성 및 문제 발생 위치에 따라 분류했습니다. 이 분류 체계는 루프가 감지하고 수정할 수 있는 오류와 인간의 판단이 필요한 오류를 구분합니다. 종합적으로 볼 때, 이러한 결과는 extsc{Agon}이 연구를 새로운 패러다임으로 이끌고 있음을 보여줍니다: 기계가 확장성을 담당하고, 인간이 방향을 제시하는 방식입니다.

Large language models are making research production scalable, shifting the bottleneck from producing artifacts to judging claims. We present \textsc{Agon}, a research orchestrator that validates what can be checked inside the workflow and leaves the remaining judgments to human scientists. \textsc{Agon} is built on six design principles: Prompt Economy, Future-Facing, Minimal Prompts, OmniDisciplinary, Massive Parallelism, and Zero-Code. We ran \textsc{Agon} across domains for 444 iterations of Prompt Economy loops, using only small starting topics and no human-written experimental code. These deployments demonstrate scalability while exposing new classes of failure. We organize these failures into a taxonomy along severity, fixability, visibility, and capability locus. The taxonomy separates failures the loops can see and fix from those that require human judgment. Together, these results show that \textsc{Agon} is pushing research toward a new paradigm: machine scales, human steers.