GVS5H 논문은 학습 없이 같은 모델의 새 인스턴스들이 공유 파일시스템(계획·메모·현재 해답)으로 문제를 분해·조율하는 '원장 기반 제로샷 자가 오케스트레이션'을 제시했다. LiveCodeBench 최신 hard 100문제에서 오케스트레이션한 Qwen3.8 Flash Next가 pass@1 93.0%로 Fable 5의 90.4%를 9% 비용에 넘었고, 로컬 오픈웨이트 Qwen3.8-27B는 66.8%에서 92.4%로 올랐다. 다만 효과는 보편적이지 않아 일부 모델은 변화가 없거나 오히려 나빠졌으며, 코드는 MIT로 공개됐다.
방법은 하나의 모델에서 생성한 신선한 인스턴스들이 문제를 분해하고, 계획·메모·현재 해답을 담은 공유 파일시스템으로 서로 조율하는 방식이다. 훈련이 필요 없는 training-free 기법이라 기존 모델에 그대로 얹을 수 있다.
11개 공개·폐쇄 가중치 모델을 LiveCodeBench 최신 hard 100문제로 평가한 결과, 고정 백엔드에서 최대 25.6%p까지 향상됐다. 오케스트레이션한 Qwen3.8 Flash Next는 pass@1 93.0%로 Fable 5의 90.4%를 9% 비용에 앞섰고, 로컬 서빙한 오픈웨이트 Qwen3.8-27B는 66.8%에서 92.4%로 뛰었다. 트랜스크립트 분석은 향상의 원인을 분해와 지속적 컨텍스트로 돌렸다.
다만 이득이 모든 모델에 적용되진 않아 일부는 그대로이거나 더 나빠졌다. 저장소는 uv와 API 키로 멀티에이전트·단일호출 베이스라인을 돌려볼 수 있게 구성돼 있으며, 코드는 MIT, 논문·데이터는 CC BY 4.0으로 공개됐다.