대형 언어 모델 (LLM) 에이전트가 고립된 도구 사용자에서 조정된 팀으로 진화함에 따라, 강화 학습 (RL) 은 개별 행동뿐만 아니라 작업의 생성, 위임, 통신, 집계, 중지 방식을 최적화해야 합니다. 본 논문은 LLM 기반 다중 에이전트 시스템에 대한 RL 을编排 추적을 통해 연구합니다: 이벤트가 서브 에이전트 생성, 위임, 통신, 도구 사용, 반환, 집계, 중지 결정 등을 포함하는 시간적 상호작용 그래프입니다. 이 렌즈를 사용하여 우리는 세 가지 기술적 축을 식별했습니다. 첫째, 보상 설계는 병렬 속도 향상, 분할 정확도, 집계 품질을 위한编排 보상을 포함한 8 개 계열을 포함합니다. 둘째, 보상 및 크레딧 신호는 토큰에서 팀까지의 8 개의 크레딧 또는 신호를 부르는 단위에 부착되며, 명시적 반례 메시지 수준 크레딧은 우리가 큐레이션한 풀에서 특히 희소합니다. 셋째,编排 학습은 언제 생성할지, 누구에게 위임할지, 어떻게 통신할지, 어떻게 집계할지, 언제 중지할지에 대한 5 개의 하위 결정으로 분해됩니다. 2026 년 5 월 4 일까지의 우리가 큐레이션한 풀에서 우리는 중지 결정에 대한 명시적 RL 훈련 방법을 찾지 못했습니다. 우리는 Kimi Agent Swarm, OpenAI Codex, Anthropic Claude Code 의 공업 증거를 연결합니다. 그 결과 규모 격차는 공개적으로 보고된 배포 범위와 오픈 학술 평가 제도의 차이이며, 산업 훈련 추적을 독립적으로 검증하는 것이 아닙니다. 우리는 https://github.com/xxzcc/awesome-llm-mas-rl 에 아티팩트를 게시하며, 84 개의 태그가 달린 논문 풀, 32 건의 제외 로그, 스크립트 corpus 통계, 그리고 재생 가능한编排 추적을 위한 최소 JSON 스키마를 포함합니다.