구조적 특성으로서의 회복 (RT1RecoveryₐsStructuralProperty)

회복을 구조적 특성으로 이해하는 이 논문은 적응형 다중 에이전트 AI 시스템에서 복원의 구조 이론을 제안한다. 논문은 회복을 단순한 성능 향상이나 오류 감소로 정의할 수 없으며, 시스템 수준의 적응 능력 복원으로 이해해야 한다고 주장한다. 이 프레임워크는 회복이 완료되었는지를 판단하는 운영 기준을 도입하여 일시적 안정화와 진정한 구조적 복원을 구별한다. 회복은 불안정성, 조정 실패 또는 메트릭 락인 후 탐색적 다양성, 피드백 민감성, 자기 수정 능력이 재확립되는 역학적 전환으로 모델링된다. 외부 개입의 결과가 아닌 관찰 가능한 구조적 특성으로서 회복을 정의함으로써, 이 이론은 대규모 지능형 분산 AI 시스템에 적용 가능한 측정 가능한 지표를 제공한다. 이 지표들은 과제 특화 성능 지표와 독립적으로 회복 과정을 진단할 수 있게 한다. 이 연구는 "자기 일관적 불일치: 메트릭 락인 아래에서 지능형 시스템이 조용히 실패하는 이유"를 보완하며, 이는 조용한 시스템 실패 메커니즘을 특징짓는다. 두 논문은 합쳐서 결손-프랙탈 거버넌스(DFG) 연구 프로그램의 실패-회복 기반을 확립한다.