수치 데이터만으로 미래를 예측하는 일은 한계가 명확합니다. 현실의 변화는 뉴스나 실적 발표 같은 비정형 사건에서 시작하기 때문입니다. Google과 펜실베이니아 주립대 연구진은 이 문제를 해결하고자 수치와 텍스트를 함께 다루는 멀티 에이전트 프레임워크 Nexus를 제안했습니다.

두 세계의 단절과 Nexus의 접근법

기존 시계열 파운데이션 모델은 수치 패턴을 잘 잡지만 현실의 맥락을 읽지 못합니다. 대형 언어 모델은 맥락은 잘 이해하지만 수치 예측 성능이 떨어집니다. Nexus는 이 두 가지 강점을 결합합니다. 하나의 거대한 모델에 모든 역할을 맡기지 않고 역할을 세분화합니다. 큰 흐름을 분석하는 거시 관점과 시점별 변동을 추적하는 미시 관점을 나누어 해결합니다.

3단계 멀티 에이전트 작동 방식

Nexus는 예측 과정을 세 단계로 나누어 처리합니다. 첫 단계는 Historical Context Agent 가 원시 멀티모달 데이터를 시간 순서로 정제하는 컨텍스트화 단계입니다. 수치 변화를 일으킨 텍스트 요인을 일목요연하게 정리합니다. 인지 과부하를 막아주어 효과가 뛰어납니다.

다음은 이중 해상도 예측 전망 생성 단계입니다. Macro-Reasoning Agent 는 전체 예측 구간의 넓은 궤적을 그리며 하향식으로 접근합니다. 반면 Micro-Reasoning Agent 는 시점마다 구체적인 촉매와 단기 변동성을 꼼꼼히 평가합니다.

마지막은 종합과 보정 단계입니다. Forecast Synthesizer Agent 가 거시 전망과 미시 전망을 수학적으로 결합하여 최종 예측치와 근거를 도출합니다. 여기에 Calibration Agent 가 더해져 과거 오차를 바탕으로 예측 지침을 스스로 보정합니다. 전방 시뮬레이션 백테스팅을 활용해 여러 과거 구간에서 반복 검증된 규칙만 남깁니다.

엄격한 검증과 실험 결과

연구진은 데이터 유출을 막으려고 2025년 1월 지식 컷오프 이후의 실제 데이터로 성능을 평가했습니다. 미국 부동산 지표와 주요 기업의 주식 종가를 예측하는 과제입니다. 실험에는 Gemini-3.1-Pro와 Claude-4.5-Sonnet을 활용했습니다. 성능 차이가 명확하게 드러났습니다. Nexus는 기존 CoT 방식과 비교해 부동산 지표 예측에서 평균 오차를 14.7-15.3% 수준으로 낮췄습니다.

수치와 서사를 긴밀하게 결합한 멀티 에이전트 설계는 시계열 예측의 새로운 가능성을 제시합니다. 복잡한 시장 변화를 추론하는 에이전트 시스템을 구축할 때 좋은 이정표가 됩니다.

요약

  • 기존 시계열 파운데이션 모델의 수치 외삽 한계를 극복하기 위해 비정형 텍스트 기반의 인과 맥락을 결합하는 멀티 에이전트 아키텍처를 제시했습니다.
  • 거시적 흐름을 분석하는 하향식 에이전트와 미시적 변동을 추적하는 상향식 에이전트로 역할을 분리하여 예측 안정성을 크게 높였습니다.
  • 과적합을 방지하기 위해 전방 시뮬레이션 백테스팅을 도입하고 반복 검증된 마스터 지침만 적용하는 자가 보정 루프를 설계했습니다.