본 논문은 텍스트 기반 계산 그래프 내에서 코드를 대상으로 시뮬레이터 구성을 인스턴스 최적화로 처리하는 종단간 에이전트 프레임워크인 SOCIA-$\nabla$를 제시한다. 특화된 LLM 기반 에이전트가 그래프 노드로 내장되고, 워크플로우 매니저는 코드 합성 -> 실행 -> 평가 -> 코드 수정을 포함하는 손실 기반 루프를 실행한다. 최적화기는 Textual-Gradient Descent (TGD)를 수행하며, 인간-개입은 작업 사양 확인에 국한되어 전문가의 노력을 최소화하고 코드를 훈련 가능한 객체로 유지한다. User Modeling, Mask Adoption, Personal Mobility의 세 가지 CPS 작업에서 SOCIA-$\nabla$는 최고의 전체 정확도를 달성했다. SOCIA-$\nabla$는 다중 에이전트 오케스트레이션을 손실 정렬 최적화 뷰와 통합하여 취약한 프롬프트 파이프라인을 도메인 및 시뮬레이션 세분성에 걸쳐 확장 가능한, 재현 가능한 제약 조건 인식 시뮬레이터 코드 생성으로 전환한다.
