PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2606.10662v2cs.MA

공유 컨텍스트를 활용한 탈중앙화 다중 에이전트 시스템

Decentralized Multi-Agent Systems with Shared Context

다중 에이전트 시스템(MAS)은 대규모 언어 모델(LLM) 에이전트를 병렬로 실행하여 장기적인(long-horizon) 과제에서 확장성을 제공할 수 있지만, 기존 설계는 이러한 병렬성의 상당 부분을 에이전트가 다른 에이전트를 기다리거나 동료의 작업을 다시 수행하는 버블(bubble)로 낭비합니다. 이러한 버블은 에이전트 간의 소통 방식에서 기인합니다. 독립적인 에이전트는 아무것도 공유하지 않아 동료가 이미 발견한 것을 재발견하고, 피어 간 소통(peer-communicating)을 하는 에이전트는 동기식 라운드에서 대기하며, 중앙 집중식 오케스트레이션 하에서는 메인 에이전트가 진행 상황이 전달되는 동안 서브에이전트의 작업 완료를 기다리며 블로킹(block)됩니다. 본 논문에서는 메인 에이전트를 공유 컨텍스트 및 작업 큐(task queue)로 대체하여 이러한 버블을 제거하는 기존 에이전트 하네스 기반의 MAS 프레임워크인 탈중앙화 언어 모델(DeLM)을 제안합니다. 에이전트는 비동기식으로 작업을 가져오고, 발견한 내용을 확인하는 즉시 게시하며, 모든 피어의 상태가 전체에 공개된 상태에서 서로의 진행 상황을 기반으로 작업을 발전시키거나 수정합니다. Terminal-Bench 4.0 및 DeepSWE v1.1의 장기 과제와 SWE-bench Verified에서 DeLM은 모든 설정에서 Codex, Claude Code, 이들의 네이티브 서브에이전트, AOrchestra보다 더 정확하고 빠르며, 가장 강력한 기준선(baseline) 대비 정확도를 최대 17.5포인트 향상시키고 기반이 되는 하네스보다 최대 2.49배 빠르게 실행됩니다. 에이전트가 프로그램을 처음부터 다시 구축하는 ProgramBench에서 DeLM은 Claude Code보다 더 빠른 진전을 보이며, 120분 예산 내에서 테스트 통과율을 최대 19.9포인트 더 높게 달성합니다. 코드는 프로젝트 웹사이트인 https://yuzhenmao.github.io/DeLM/ 에서 확인할 수 있습니다.