SwarmWorld: Stigmergic technological evolution in societies of language-model agents

3줄 요약

1. MIT LAMM(Markus Buehler 연구실)이 2026년 8월 26일 arXiv에 공개한 SwarmWorld는, 역할·레시피·기술 카탈로그를 전혀 주지 않은 동질적 LLM 에이전트를 지속적 물리 세계에 풀어놓고 이들이 무엇을 지어 남기는지 관찰하는 통제 실험 환경이다.
2. 공유 세계를 가진 사회는 같은 계산량의 고립 에이전트를 병렬로 돌린 best-of-N 대조군보다 넓고 견고한 기술 포트폴리오를 만들었다. 대신 최고 점수를 낸 단일 아티팩트는 끝까지 고립 탐색 쪽에 있었다.
3. 대화와 코드 상속을 모두 끄고 물리적 스티그머지만 남겨도 사회는 충분히 유능했고, 오히려 검증된 발명품 수에서는 끝까지 앞섰다. 기술 재사용의 약 95%는 발명자의 설명이 아니라 세계를 직접 관찰하는 것에서 시작했다.

이 실험이 메우려는 빈틈

집단이 흩어진 개체보다 더 멀리 가는 방식에는 두 갈래가 있다. 하나는 여럿이 동시에 탐색해 표본 수를 늘리는 것이고, 다른 하나는 한 개체의 활동이 다음 개체가 마주할 환경 자체를 바꿔 놓는 것이다. 개미가 페로몬 길을 남기듯 환경 변형을 통해 간접적으로 협응하는 후자를 스티그머지(stigmergy)라 부른다.

저자들은 기존 LLM 멀티에이전트 연구가 대부분 직접 대화, 사전 정의된 역할, 중앙집중 워크플로에 기대고 있다고 정리한다. Generative Agents, Project Sid, AgentSociety, TerraLingua 같은 선행 연구는 창발적 사회 행동과 문화 축적을 보였지만, 산출물이 주로 텍스트이거나 평가 지표가 해석에 의존했다. Voyager나 DiscoveryWorld처럼 실행 가능한 기술을 누적하는 계열도 있으나 역할·워크플로·도구 접근이 미리 설계되어 있다.

빠져 있던 것은 네 조건을 한꺼번에 만족하는 통제 실험이라고 저자들은 말한다.

• 처음에 완전히 동일한 에이전트
• 이들의 변형을 보존하는 공유 세계
• 에이전트의 주장과 무관하게 기능이 평가되는 실행 가능 기술
• 상호작용이 표본 수 증가 이상의 무언가를 했는지 가려내는 대조군

세 번째 항목이 이 논문의 설계 축이다. SwarmWorld는 인지와 결과를 분리한다. 에이전트는 고정된 행동 스키마와 재료 스키마 안에서 설계와 제어기를 제안할 뿐이고, 무엇이 실제로 지어지고 작동하는지는 결정론적 시뮬레이터만이 정한다.

세계와 네 가지 조건

Figure 2. 왼쪽은 N=200 사회의 tick 600 시점 권위 상태. 오른쪽은 하나의 매크로턴이 지역 관찰에서 결정론적 월드 틱까지 흐르는 경로. 출처: Pal, Wang & Buehler, arXiv:2608.26081 (CC BY-NC-ND 4.0).

세계는 지형·자원·시설·환경장 레이어를 가진 2차원 격자다. 에이전트는 전역 지도가 아니라 자기 주변의 의미적 서술만 받는다. 정해진 시점(매크로턴)에 언어모델을 호출해 최대 12개의 행동 계획을 스키마에 맞춰 반환하고, 시뮬레이터는 그중 한 틱에 하나씩만 시도하게 한다. 이동·대사·자원·환경장·재해, 그리고 설치된 아티팩트 프로그램은 모델 호출이 없는 틱에도 계속 진행한다.

에이전트가 지은 아티팩트는 좌표를 점유하고, 자기 자리의 센서만 읽고, 자기가 선 곳에만 영향을 준다. 여기에 에이전트가 직접 작성한 제어기 프로그램을 설치할 수 있다. 이 프로그램은 매 틱 실행되므로, 작성자가 떠난 뒤에도 온도계를 읽고 난방을 켜는 온도조절기처럼 계속 작동한다.

실험 조건은 과학적 과제를 바꾸지 않은 채 메커니즘만 하나씩 제거한다.

명시적 문화 행동에는 메시지, 공개 기록, 가르치기, 거래, 작업 선점이 들어간다. Independent search는 N개의 1인 세계를 돌린 뒤 각 지표와 각 체크포인트마다 따로 최고값을 뽑는다. 단거리 선수와 높이뛰기 선수를 종목별로 따로 고르는 국가대표 선발과 같은 방식이라 대조군으로서 상당히 강하다.

평가는 발견과 분리된다. 정해진 체크포인트에서 세계 상태를 얼려 여덟 벌로 복제하고, 각 복제본에 위치·시점·순서가 모두 새로운 오염·가뭄·폭풍 일정을 건다. 이때 에이전트는 전부 제거된다. 물리 법칙과 설치된 프로그램만 계속 돈다. 남겨진 기술이 발명자 없이도 서식지를 지켜 내는지 묻는 시험이다.

에이전트는 모든 조건에서 동일했다. gpt-5.6-luna, temperature 0.7, 낮은 추론 노력, 같은 시스템 프롬프트, 출력 4,096 토큰, 검색 컨텍스트 6만 자, 사적 메모리 64건.

인구를 늘리면 무엇이 좋아지는가

Figure 4. 800틱 스터디의 네 지표와, 각 조건에서 고립 탐색 봉투를 뺀 짝지은 효과. 출처: Pal, Wang & Buehler, arXiv:2608.26081 (CC BY-NC-ND 4.0).

800틱 스터디는 4개 조건 × 3개 인구(N=50, 100, 200) × 4개 월드 시드로 48개 에피소드를 돌렸다. 결과는 단조롭지 않았다.

발견 프론티어 AUC는 인구가 커지면 대체로 올라갔지만 조건 순위가 인구에 따라 뒤바뀌었다. N=50에서는 full culture와 no communication이 고립 봉투에 못 미쳤고, N=100에서는 공유 세계 세 조건 모두가 봉투를 넘었으며, N=200에서는 no explicit culture가 가장 큰 짝지은 이득(+0.069)을 냈다.

더 견고했던 쪽은 나머지 세 지표였다. 에이전트 없는 복원력은 공유 세계 거의 모든 칸에서 고립 봉투를 넘었고, 포트폴리오 복원력은 전 구간에서 양의 효과를 냈으며, 검증된 발명품 수는 크게 늘어 N=200의 no explicit culture에서 평균 6건의 이득을 기록했다.

여기서 “발명품"은 이름 붙인 아이디어가 아니다. 재료 시험을 통과한 레시피, 완결된 설계 필드, 에이전트가 작성해 설치한 프로그램, 성능 임계값 초과, 행동 참신성 임계값 초과를 모두 통과해야 한 건으로 센다. 특허 스케치가 아니라 작동하는 장치여야 한다는 뜻이다.

에이전트가 발명한 것들

Figure 7. 네 조건에 걸쳐 순위화·중복제거한 대표 기술 16종. 우측 상단 숫자는 생애 최고 시뮬레이터 성능. 출처: Pal, Wang & Buehler, arXiv:2608.26081 (CC BY-NC-ND 4.0).

생애 최고 성능 0.790부터 0.347까지, 키틴 교환 격자, 균사 광물 베일, 조력 패널, 큐티클형 막, 촉매 네트워크, 셀룰로오스 격자, 켈프-패각 복합재가 나왔다. 프롬프트에 템플릿으로 주어진 것이 아니라 기록된 기하·조성·레시피·제어기에서 재구성한 것들이다.

저자들은 이 그림의 지위를 분명히 밝힌다. 렌더링은 에이전트가 제안한 기술적 정체성을 시각화한 것이며, 시뮬레이터가 뱉은 메시가 아니고 실제 재료 성능의 실험적 검증도 아니다. 정량 점수만이 시뮬레이터에서 나온다.

한편 재료-공정 지도는 흔히 뒤섞이는 세 층위를 갈라 놓는다. 건설 시점에 소비된 원료, 그 원료를 처리한 순서(세척·분쇄·발효·광물화·정렬·직조·압착·건조), 그리고 완성된 아티팩트가 시뮬레이션 중 실제로 옮기거나 소비한 물질 흐름. 마지막 열만이 실행된 기능의 증거이며, 통로가 있으나 실제 유량이 0이었던 경우는 통로가 아예 없던 경우와 따로 표시된다. 설계 주장이 실행된 기능으로 오인되지 않게 만든 장치다.

같은 거리를 걸었지만 다른 곳에서 일했다

Figure 8. 짝지은 seed-3202, N=200 사회의 대표 궤적. 흰 원이 시작점, 색 원이 종점, 금색 마름모가 tick 800에 활성인 아티팩트. 출처: Pal, Wang & Buehler, arXiv:2608.26081 (CC BY-NC-ND 4.0).

이 대표 시드에서 세 조건의 평균 경로 길이는 36~37셀로 거의 같았다. 달라진 것은 그 경로가 무엇을 지나갔는가다. 아티팩트 접촉 AUC는 full culture 0.31, no explicit culture 0.14, no communication 0.11이었다. 방문 지역 수도 3.3 대 2.7 대 2.6으로 갈렸다.

역할 프롬프트도 조건 라벨도 주지 않았는데 행동은 갈라졌다. 15개 특징으로 라벨 없이 학습한 두 군집 모델은 아티팩트 중심 작업과 이동 탐색을 분리해 냈다. N=200에서 아티팩트 중심 비율은 full culture 약 27%, no explicit culture 20%, no communication 17%였다.

문화 기록은 물리적 건설과 실행 코드에도 들어갔다. Full culture에서 N=50, 100, 200 각각 67%, 76%, 56%의 아티팩트가 둘 이상의 에이전트 기여를 기록했다. 프로그램 포크는 상속이 허용된 조건이면 어디서나 흔했고, 메커니즘을 끈 조건에서는 정확히 0이었다. 이것은 설명문 사이의 의미 유사도가 아니라 내용 주소 기반의 포크와 설치 기록이다.

오래 돌리면 문화가 이기는가

3,200틱 장기 실험(N=100, 새 시드 4개)은 “충분히 오래 두면 대화가 이득으로 돌아서는 하나의 시점"이라는 그림을 부정했다.

• 최고 아티팩트 성능: tick 800 무렵 full culture가 앞질렀다
• 포트폴리오 복원력과 누적 아티팩트 수: tick 1,600 부근에서 교차했다
• 검증된 발명품 수: 끝까지 교차하지 않았다. no explicit culture가 모든 체크포인트에서 높았다
• 에이전트 없는 복원력: 체크포인트마다 부호가 바뀌었고 tick 3,200에서는 사실상 동률이었다

tick 3,200 최종 지점의 숫자는 이렇다.

마지막 행에서 순서가 뒤집힌다. 사회는 여러 필요를 고루 감당하는 데 강했고, 고립 탐색은 하나의 기록을 세우는 데 강했다.

Figure 15. 누적 경로 길이와 지역 밀집도의 위상 초상, 행동 배분 차이, 포크 깊이 성장, 그리고 12개 포크 간선을 가진 최심 계보. 출처: Pal, Wang & Buehler, arXiv:2608.26081 (CC BY-NC-ND 4.0).

Full culture 에이전트는 종점에서 평균 98.5셀을 이동했고 no explicit culture는 120.0셀이었다. 지역 밀집도는 0.1298 대 0.0877로 뒤집혔다. tick 2,400에서 3,200 구간에서 full culture는 이동에 13.9%포인트 적게, 명시적 문화 행동에 20.1%포인트 많이 배분했다. 같은 기간 실행 계보의 평균 최대 깊이는 9.75에 이르렀고 자격 있는 포크의 절반가량이 작성자 경계를 넘었다. 덜 돌아다니게 되었지만 놀고 있던 것은 아니었다는 뜻이다.

발화 내용을 전혀 보지 않고 이동과 아티팩트 근접성만으로 다시 군집화해도 같은 신호가 나왔다. 아티팩트 중심 표현형 비율이 full culture 52.8%, no explicit culture 31.0%로 21.8%포인트 차이가 났다(95% 시드 부트스트랩 구간 12.0~33.5%포인트).

사회는 어떤 모양으로 굳었는가

Figure 18. 시각화 백본, 차수 통제 협응 투영, 노드 역할 지도, 그리고 네 시드에 걸친 시간적 비교. 출처: Pal, Wang & Buehler, arXiv:2608.26081 (CC BY-NC-ND 4.0).

대표 시드에서 full culture 사회는 3,200틱 동안 389개 아티팩트 트랙, 3,924개 메시지 수신 간선, 358건의 교차 아티팩트 프로그램 계승을 남겼다. 짝지은 no explicit culture 세계는 248개 아티팩트를 남겼고, 개입에 의해 메시지도 코드 계승도 없었다. 두 조건 모두 아티팩트의 95% 이상이 결국 제작자 아닌 누군가에게 사용되었다.

주목할 것은 밀도가 아니라 형태다. 차수를 통제한 초기하 영가설로 걸러도 full culture는 92명 사이 1,100쌍, no explicit culture는 45명 사이 261쌍의 협응을 남겼다. 그런데 tick 3,200 시점의 중첩도(NODF)는 0.094 대 0.096으로 거의 같고, 평균 참여 계수는 0.0016 대 0.0044로 둘 다 0에 가깝다. 명시적 문화는 통계적으로 지지되는 협응 경로의 수와 종류를 늘렸을 뿐, 사회를 하나의 중앙집중 위계로 합치지는 않았다. 결과물은 지역적으로 일관된 기술 이웃들의 모자이크에, 소수의 허브와 다리가 얹힌 구조다.

관계는 기억도 획득했다. 누적 고유 관계는 참여자 수보다 빠르게 늘었고(로그-로그 지수 3.47과 3.48), tick 3,200에서 full culture는 평균 4,031.3개, no explicit culture는 2,027.3개의 고유 관계를 가졌다. 한 구간의 관계가 다음 구간에도 유지되는 비율은 0.650과 0.588이었다.

구조 녹아웃 시험은 두 얼굴을 드러냈다. 에이전트 절반을 무작위로 제거해도 full culture 아티팩트의 98.3%, no explicit culture의 95.2%가 생존 에이전트와 연결을 유지했다. 반면 고차수 에이전트를 겨냥해 제거하면 59.6%와 73.9%로, 중개자를 겨냥하면 62.9%와 68.4%로 떨어졌다. 분산된 이중화와 표적 취약성이 함께 생겨난 것이다. 저자들은 이것이 기록된 그래프의 위상 측정일 뿐 살아 있는 시뮬레이션에서의 물리적 회복 능력은 아니라고 덧붙인다.

역할은 신분이 아니라 상태였다

궤적을 200틱 창으로 잘라 22,400개의 에이전트-창을 만들고, 조건·연구·인구·시드·정체성·시간을 가린 채 13개 특징으로 군집화하자 네 상태가 반복해서 나타났다. 건설자/운용자, 아티팩트 국소 관리자, 문화 조정자, 이동 조사자.

이 상태들은 시간에 따라 이어달린다. 800틱 N=200 full culture에서 건설자 비율은 첫 창의 0에서 마지막 창의 0.240으로 오르고, 문화 조정자는 0.814에서 0.560으로 내린다. 3,200틱 N=100에서는 건설자가 0.008에서 0.535로 오르고 조정자는 0.695에서 0.292로 내린다. No explicit culture 사회도 건설자가 늘지만 0.252에서 멈추고 이동 조사자가 0.633으로 다수를 유지한다.

창 사이 상태 전환율은 full culture가 0.270, no explicit culture가 0.102였다(3,200틱에서는 0.244 대 0.138). 같은 에이전트가 기술 생태가 성숙함에 따라 하는 일을 바꾼다. 고정된 사회 계급이 아니다.

세계를 갈아 끼워도 되는가

Figure 22. 화산 재료 세계 AshenRealm의 성능 순위 기술 8종. 흑요석 기반 열·구조 시스템과 철 기반 하중 지지 시스템. 출처: Pal, Wang & Buehler, arXiv:2608.26081 (CC BY-NC-ND 4.0).

지형·자원·처리 경로·환경장·목표를 통째로 갈아 화산 재료 세계 AshenRealm(72×54셀)을 만들고, 에이전트-월드 상호작용 구조와 지속 아티팩트 메커니즘만 그대로 두었다. 결과 사회는 BioFoundry의 수치를 재현하지 않았다. 최고 성능도, 발견 AUC도, 복원력도, 발명 수도 낮았다. 그러나 다중 에이전트 건설, 교차 에이전트 프로그램 재사용, 실행 계보 형성, 공간 탐색은 유지되었고, 라벨 없는 행동 분석도 아티팩트 중심 작업과 이동 탐색을 되찾았다. 나온 기술은 흑요석 열 세그먼트, 문턱 배플, 균열 국소화 실드, 철 기반 하중 실드 등으로 세계에 맞게 바뀌었다(생애 최고 성능 0.116~0.248).

세 번째 세계 Protein Realms는 광물과 야금 대신 단백질 서열과 생체 매트릭스로 설계 공간을 옮겼다. 이것은 자유로운 de novo 서열 생성이 아니라 카탈로그 조건부 타당성 세계다. 콜라겐형·실크엘라스틴형·레실린형·홍합 접착형 계열의 점수 비공개 변종 12종을 노출하고, 숨은 물성·매트릭스 친화도·응력 저항 프로파일은 감춘다. 에이전트는 아미노산·막·샤페론·시스테인·셀룰로오스·광물 구역을 돌아다니며 자원을 모으고, 리보솜 배열·정제 컬럼·폴딩 챔버·매트릭스 직기·서열 기록소·응력 검정 시설을 찾아야 한다.

800틱 안에 세 개의 지속 생체재료가 실제로 설치되었다. No-communication 사회는 tick 741에 셀룰로오스 매트릭스의 콜라겐형 CLP_PPG10 상을 설치했고, tick 800에 건강도 0.906, 성능 0.363, 여덟 개 동결 일정에 걸친 평균 복원력 AUC 0.03548을 기록했다. 고립 탐색 봉투에서 선정된 구성원은 CLP_PPG10과 실크엘라스틴형 SELP_47K 복합재를 tick 388과 738에 만들었고, SELP_47K가 유틸리티 0.729로 가장 강했다. 반면 full culture와 no explicit culture는 각각 13건과 10건의 제안을 냈지만 지평 안에서 유효한 검정을 완료하지 못했다. 단일 시드 파일럿이라 조건 간 추론은 성립하지 않는다고 저자들은 명시한다.

가장 흥미로운 지점

내가 가장 의외라고 여긴 것은 확산 분석이었다. Full culture에서 아티팩트의 99.3%가 제작자 아닌 누군가에게 재사용되었고, 첫 재사용까지의 중앙값은 5틱으로 no explicit culture의 8틱보다 빨랐으며, 채택 폭도 13.53명 대 7.49명으로 넓었다. 여기까지는 대화가 확산을 이끈 그림처럼 보인다.

그런데 첫 재사용의 약 95%는 두 조건 모두에서 직접적인 물리적 관찰로 시작했다. 제작자가 미래의 첫 채택자에게 메시지를 보내거나 가르치거나 거래한 뒤 그 사람이 물건을 쓰는 시간적 모티프를, 타임스탬프를 섞은 영가설과 비교하면 25틱 지연에서 비율 1.175로 살짝 올라갈 뿐이고 50~400틱 구간에서는 오히려 1 아래로 떨어진다. 발명자가 채택자에게 직접 건네는 경로는 통계적으로 두드러지지 않았다.

그러니까 대화는 기술을 옮기는 파이프가 아니었다. 대화는 사회 전체의 정보적·물리적 배치를 바꾸었고, 그다음부터 에이전트들은 서로에게 듣는 대신 세계를 보고 기술을 발견했다. 문화가 전달 채널이 아니라 환경 조성 장치로 작동한 셈이다.

그 옆에 놓이는 두 번째 관찰이 검증된 발명품 수다. 모든 명시적 문화를 끄고 물리적 흔적만 남긴 조건이 이 지표에서 처음부터 끝까지 앞섰다. 800틱 N=200에서 평균 6건의 이득을 냈고, 3,200틱 종점에서 7.00 대 5.75로 마무리했다. 저자들이 이것을 과학적으로 중요하다고 보는 이유는 분명하다. 집단 역량의 주된 원천이 대화가 아니라 공유 세계 자체였다는 것이니까.

세 번째는 결론의 절제다. 이 논문은 “군집이 이긴다"고 말하지 않는다. 상호작용은 기술 생태를 짓고 유지하는 일에서 값어치가 있고, 하나의 기록적인 물건을 찾는 일에서는 그렇지 않다. 여러 필요에 두루 대비된 사회가 최고의 전문 기술을 품고 있지 않을 수 있다는 문장은, 조직론에 그대로 옮겨 놓아도 어색하지 않다.

저자들이 밝힌 한계

조건당 짝지은 월드 시드는 넷뿐이고, 모델과 프롬프트 구성은 하나이며, 재료와 환경의 기능은 시뮬레이터가 정의한 것이다. Figure 7의 기술 초상화는 메커니즘 시각화이지 실제로 제작된 기하가 아니다. 녹아웃 시험은 그래프 위상을 측정할 뿐, 에이전트가 사라진 세계에서의 물리적 회복을 보여 주지 않는다.

저자들은 결과층(consequence layer)을 교체하면서도 같은 측정 틀을 유지할 수 있다는 점을 다음 단계로 제시한다. 원자·연속체 솔버와 결합해 시뮬레이터 기능을 실제 재료 거동에 가깝게 만드는 것, 측정된 환경 기록과 실제 센서 스트림으로 교란을 현실에 접지하는 것, 로봇 플랫폼과 자율 실험실로 건설·시험·관찰을 물리 세계에 옮기는 것. 고립 탐색 봉투, 에이전트 없는 검정, 출처 기록, 실행 계보, 녹아웃 분석이 공통 평가 틀로 남기 때문에 각 대체는 같은 반증 기준으로 시험할 수 있다는 논지다.

코드, 프롬프트 매니페스트, 원시 모델 출력, 분석 스크립트는 lamm-mit/SwarmWorld에, 실험 데이터는 Hugging Face에 공개되어 있다.

출처

Subhadeep Pal, Fiona Y. Wang, Markus J. Buehler (MIT), “SwarmWorld: Stigmergic technological evolution in societies of language-model agents”, arXiv:2608.26081, 2026년 8월 26일 제출.

원문: https://arxiv.org/abs/2608.26081

본문에 인용한 그림은 원 논문의 Figure 2, 4, 7, 8, 15, 18, 22이며, 원문 라이선스 CC BY-NC-ND 4.0에 따라 수정 없이 사용했다.