CHRONOS: 진화하는 데이터 마켓플레이스를 위한 시간 인지형 멀티 에이전트 협업 (Temporally-Aware Multi-Agent

시간적 지식 그래프 (Temporal knowledge-graph) 데이터 마켓플레이스는 정적 설계에서 세 가지 결합된 실패 문제에 직면합니다: 에지가 진화함에 따라 오래된 하이브리드 인덱스 지름길 (hybrid index shortcuts)이 재현율 (recall)을 감소시키고, 정적인 Shapley 가격 책정 (Shapley pricing)은 분포 변화 (distribution shifts) 이후 가치를 잘못 할당하며, 협업되지 않은 에이전트들이 공유된 차분 프라이버시 (differential-privacy) 예산을 과도하게 소비한다는 점입니다. 우리는 공적 및 사적 영역을 명시적으로 분리하여 이러한 과제들을 통합적으로 처리하는 3계층 아키텍처인 CHRONOS를 제시합니다. 첫 번째 계층은 지름길 에지에 신경 상미분 방정식 (neural-ODE) 시간적 감쇠 (temporal decay)를 적용하여, 쿼리당 기대 재현율 손실 (expected recall-loss) 상한을 $O(P_q imes ext{lambda} imes ext{delta } t)$로 제공하며, 단조 포락선 (monotone-envelope) 보장을 통해 상한의 느슨함을 관측된 손실의 1.8~3.2배 수준으로 줄입니다. 두 번째 계층은 감지된 변화점 (changepoints)에 따라 Shapley 가치 평가 (Shapley valuation)를 조건화하며, 노이즈 하에서 유한 표본 오차 (finite-sample error) 보장을 제공합니다. 세 번째 계층은 EXP3-IX를 사용하여 $O( ext{square root of } T ext{ log } T)$의 후회 (regret)를 달성하는 동시에, 모멘트 계수법 (moments accounting)을 통해 epsilon ($\epsilon$) 및 delta ($\delta$) 차분 프라이버시를 강제합니다. CHRONOS는 가우시안 메커니즘 (Gaussian mechanism)을 사용하여 에포크 (epoch)당 프라이버시가 보호된 친화도 행렬 (affinity matrix)을 공개합니다; 모든 검색 및 순위 지정은 후처리 (post-processing) 과정이므로 추가적인 프라이버시 비용이 발생하지 않습니다. 우리는 다중 에포크 결제 (multi-epoch settlement), 500명의 판매자에 대한 확장성 분석, 그리고 가속화된 베이스라인 (baselines)과의 비교를 제공합니다. 4개의 벤치마크 전반에서 CHRONOS는 zCDP 합성 (zCDP composition) 하에 $\delta = 10^{-6}$일 때 10개 기준 0.937의 재현율, 초당 2.74개의 쿼리 (queries per second), 161ms의 지연 시간 (latency), 그리고 총 epsilon 4.25를 보여줍니다. 이러한 결과는 경쟁력 있는 운영 지점을 나타냅니다. 한계점은 이 프라이버시 수준에서 공개된 가치 평가가 여전히 노이즈의 영향을 많이 받는다는 것입니다; 유용성은 주로 공적 인덱스 라우팅 (public index routing)과 낮은 민감도 통계에 의해 구동되는 적응형 스케줄링 (adaptive scheduling)에서 파생됩니다.