# Solving a Million-Step LLM Task with Zero Errors

### 저자

Elliot Meyerson, Giuseppe Paolo, Roberto Dailey, Hormoz Shahrzad, Olivier Francon, Conor F. Hayes, Xin Qiu, Babak Hodjat, Risto Miikkulainen

### 개요

LLM은 추론, 통찰력, 도구 사용에 있어 괄목할 만한 발전을 이루었지만, 이러한 능력을 인간, 조직 및 사회가 일상적으로 수행하는 규모로 확장된 프로세스로 연결하는 것은 여전히 어려웠습니다. LLM은 오류율이 높아 확장이 어렵습니다. 예를 들어, 하노이 탑 벤치마크 도메인에서 수행된 최근 실험에서 프로세스는 최대 수백 단계 후에 필연적으로 중단되었습니다. 본 논문은 100만 개 이상의 LLM 단계를 오류 없이 성공적으로 해결하고, 원칙적으로 이 수준을 훨씬 넘어 확장 가능한 최초의 시스템인 MAKER를 설명합니다. MAKER는 각 하위 작업이 집중된 마이크로 에이전트에 의해 해결될 수 있도록 작업을 극도로 세분화하는 접근 방식을 사용합니다. 이러한 세분화로 인해 얻어지는 높은 수준의 모듈성은 효율적인 다중 에이전트 투표 방식을 통해 각 단계에서 오류 수정을 적용할 수 있게 합니다. 이러한 극단적인 세분화와 오류 수정의 조합이 확장을 가능하게 합니다. 따라서, 본 연구 결과는 현재 LLM의 지속적인 개선에 의존하는 대신, 대규모 분할 에이전트 프로세스(MDAP)가 조직 및 사회 수준의 문제를 효율적으로 해결하는 방법을 제공할 수 있음을 시사합니다.

### 시사점, 한계점

- **시사점:**

    - MAKER 시스템은 100만 단계 이상의 LLM 작업을 오류 없이 해결하여 장기적인 작업 수행 가능성을 입증했습니다.

    - 극단적인 세분화와 오류 수정을 통해 LLM의 확장성을 확보하는 새로운 접근 방식을 제시했습니다.

    - MDAP(Massively Decomposed Agentic Processes)가 LLM의 개선 없이도 조직 및 사회 수준의 문제를 해결하는 데 효과적일 수 있음을 시사합니다.

- **한계점:**

    - 구체적인 MAKER 시스템의 구현 세부 사항이나 성능 지표에 대한 정보가 부족합니다.

    - MAKER가 해결할 수 있는 문제의 종류 및 복잡성에 대한 제한 사항이 명시되지 않았습니다.

    - MAKER의 실제 적용 및 사회적 영향에 대한 논의가 부족합니다.

[PDF 보기](https://arxiv.org/pdf/2511.09030)

For the site tree, see the [root Markdown](https://slashpage.com/haebom.md).