PyTorchKR Papers

최신 논문

총 1편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:2609.14767v2cs.MA

LLM 에이전트 팀에서의 루프백 권한: 수평적 및 위계적 조율에 관한 쌍체 실험

Loop-Back Authority in LLM Agent Teams: A Paired Experiment on Flat and Hierarchical Coordination

AI 팀에서 권한(authority)의 존재는 결과물을 개선하는가? 조직 이론에서는 권한이 의사결정을 촉진하여 품질을 향상시킨다고 주장한다. 반면, 일부 초기 AI 연구는 권한 하에서의 수정(revision)이 대규모 언어 모델(LLM)의 결과물을 더 악화시킨다고 시사한다. 다중 에이전트(multi-agent) LLM 프레임워크는 기본적으로 관리자(Manager) 에이전트에게 실무 에이전트(worker)의 결과물을 수정하도록 되돌려 보내는 권한을 부여한다. 기존의 비교 연구들은 검증 가능한 과제를 사용하여 권한의 효과를 검증했다. 본 연구에서는 43쌍의 노트북 제품 표본과 86회의 실행을 통해 개방형 과제인 비즈니스 인텔리전스 보고서 작성에 대한 실험을 진행한다. 각 보고서는 위계적 팀과 수평적 팀에 의해 각각 한 번씩 작성된다. 연구 결과, 수평적 팀이 더 높은 품질의 보고서를 생성하여 유용성(Utility, d = 0.42, p = 0.009)과 글의 명확성(Writing Clarity, d = 0.34, p = 0.030)에서 더 높은 점수를 기록했다. 보고서의 길이는 동일했으나, 위계적 팀의 보고서는 "may", "could"와 같은 완곡어구(hedging words)를 53% 더 많이 사용했으며, 수정이 한 번 이루어질 때마다 1~5점 척도에서 글의 명확성이 0.14점씩 하락하는 것으로 나타났다. 어떠한 수정도 거치기 전에는 위계적 팀의 초안과 수평적 팀의 보고서 사이에 차이가 없었다. 즉, 품질 격차의 원인은 수정 과정에 있음을 확인할 수 있다. 권한은 관리자가 작업물을 검증할 수 있을 때 품질을 개선하지만, 피드백만 제공할 수 있는 경우에는 품질에 부정적인 영향을 미친다.