이 방법은 마르코프 전이 기반으로 추론 흐름을 확률적으로 모델링하고, Causal Delta Feature와 Jump Detection으로 위험이 급가속되는 지점을 찾아내요

멀티에이전트 AI의 연쇄 오류를 “사후 분석”이 아니라 “사전 예측”으로 잡는 PROMAS가 나왔어요.

이 방법은 마르코프 전이 기반으로 추론 흐름을 확률적으로 모델링하고, Causal Delta Feature와 Jump Detection으로 위험이 급가속되는 지점을 찾아내요. 고정 임계치보다 실제 실패 전조를 더 일찍 포착하려는 접근이에요.

Who&When 벤치마크에서 step-level 정확도 22.97%를 기록했고, 전체 추론 로그의 27%만 처리했거든요. 반응형 모니터 MASC와 경쟁력 있는 성능을 내면서 데이터 오버헤드는 73% 줄였어요.

정확도 일부를 감수하더라도 개입 지연을 크게 줄여, 자율형 멀티에이전트 운영에서 “얼마나 빨리 막느냐”를 성능 축으로 끌어올린 게 핵심이에요.